專利名稱：一種空間繩系機器人相機自運動檢測與補償方法
技術領域：
本發明屬于圖像處理與計算機視覺領域，具體涉及一種搭載在空間繩系機器人系統上的相機自運動檢測與補償的方法。
背景技術：
空間繩系機器人系統由“空間繩系機器人+空間系繩+空間平臺”組成，具有安全、靈活、操作距離遠等特點，可廣泛應用于包括在軌維修、在軌加注、輔助變軌及在軌空間站輔助組裝等在軌服務中，已經成為空間操控技術領域的研究熱點之一。這種新型的微型智能機器人，在空間可以自主逼近目標。在其逼近的過程中利用自身攜帶的雙目視覺測量系統對目標進行實時檢測、跟蹤與測量。其中最關鍵的步驟首先是動態背景下對運動目標進行自動檢測提取，這涉及到運動目標檢測技術。目前運動目標檢測廣泛應用于機器人導航、武器制導、交通流量監測、人體運動分析、視頻壓縮等諸 多方面，涉及到計算機視覺、模式識別、統計學、圖像理解等諸多研究領域，是圖像處理研究領域的熱點和難點之一。由于空間繩系機器人的運動特性導致其攜帶的攝像機存在自主運動，連續獲取的前后幀圖像存在仿射變換運動效應，使得問題變得更加難以解決，這將對后續的運動目標自動檢測極為不利。對于運動平臺上運動目標檢測問題，常用的一種方法需要先消除相機自身運動，即將同一場景的不同角度或位置拍攝的圖像進行配準，然后檢測運動目標。按照配準基元的不同，圖像配準算法可以分為以下三類基于區域的算法、基于特征的算法和基于結構關系的算法。其中，基于特征的算法因具有受幾何變形和灰度變化影響小、可匹配特征類型多等優點而備受關注。

發明內容
要解決的技術問題為了避免現有技術的不足之處，本發明提出一種空間繩系機器人相機自運動檢測與補償方法，針對空間繩系機器人上搭載的攝像機發生自運動時檢測運動目標的問題，提出了一種基于稀疏光流和SURF特征描述的像機自運動檢測與消除方法，為動態背景下的運動目標自動檢測奠定基礎。技術方案一種空間繩系機器人相機自運動檢測與補償方法，其特征在于步驟如下步驟1:采用金字塔L-K法計算前后兩幀圖像I1和I2的點集{ρπ}和{p2i}中對應各點的光流矢量IVxi, VyJ，遍歷各點光流矢量{VXi，VyJ，將符合VXi>5并且VyiM的點形成點集 Ixi, yj ；同時，采用SURF算法分別提取前后兩幀圖像I1,12的特征點，得到特征點簇{Sli}，{s2i},各點的坐標為{χπ, Y1J , {x2i, y2i}；步驟2:比較{Xli，yii}中各點與Ixi, yj中各點的歐氏距離，將歐氏距離大于5的各點組成為{xt，yt}；步驟3 :對位于{xt，yj處的I1上的特征點簇{slt}建立64位的SURF特征描述符Id1J，對位于{xt, yj處的I2上的特征點簇{s2i}建立64位的SURF特征描述符{s2i}；步驟4 :計算圖像I1的任一特征點Sltm與圖像I2中所有特征點Is2J之間的歐氏距離，如果兩個特征點Sltn^P S2im之間的歐氏距離最短，則稱點S2im是點Sltm的匹配點；計算圖像I2的任一特征點S2tm與圖像I1中所有特征點Is1J之間的歐氏距離，如果兩個特征點S2tm和Slim之間的歐氏距離最短，則稱點Slim是點S2tm的匹配點；由此找出所有對應點對{slm}和Is2J ；步驟5 :對匹配好的特征點對Is1J和Is2J，利用RANSAC算法估計出仿射變換模型A ;步驟6 :獲得兩幅圖像之間的仿射變換參數A后，根據仿射變換模型對應關系對其中一幅圖像進行仿射變換，從而消除像機運動。
·
有益效果本發明提出的一種空間繩系機器人相機自運動檢測與補償方法，計算出前后幀圖像中含有運動目標的區域；然后利用SURF算法在不含運動目標的區域進行特征點檢測；其次采用的SURF特征描述向量不但具有尺度、旋轉不變性，而且還具有較好的區分性，所以新算法可以有效地提高圖像配準可靠性和準確性；同時還采用交叉匹配算法進一步降低了誤匹配率，使得該算法魯棒性更強，運動參數求解得更加精確。


圖1為本發明的算法總流程框圖；圖2為兩幅圖像對應點及估計點示意圖。
具體實施例方式現結合實施例、附圖對本發明作進一步描述建立攝像機的幾何成像模型是消除相機自運動的基本前提。通常來說，攝像機幾何成像模型可以用中心透視投影模型描述，在攝影測量學和計算機視覺等相關學科中，透視投影模型得到了充分研究，大多數算法都是基于透視投影模型開發的。但是，由于透視投影的非線性，這些算法相對比較復雜，算法數值穩定性較差，這一點在與圖像測量相關的領域已經得到共識。當拍攝過程中攝像機的內參數不發生變化、距離拍攝區域較遠時，視場遠遠大于目標的尺度，不共面的特征物點在遠場圖像中可以被近似認為是共面的。此時仿射投影模型是透視投影模型的很好近似。事實上，基于仿射投影模型的像機自運動消除算法不僅能取得足夠的精度，而且能在很大程度上克服基于透視投影算法的數值不穩定的缺點。其中基于特征點的配準算法就需要基于如下仿射變換模型來計算出相機的自運動的仿射變換參數設X1和X2為同一平面或近似平面場景由不同視點拍攝的兩幅圖像中的對應兩點，(X1, Y1, I)、(X2, y2, I)分別為圖像像素坐標系中X1和X2兩點的齊次坐標。空間同名點在不同視角或不同距離拍攝的圖像上，其對應像素坐標之間的變換關系可以用仿射變換模型進行描述，即

權利要求
1.一種空間繩系機器人相機自運動檢測與補償方法，其特征在于步驟如下 步驟1:采用金字塔L-K法計算前后兩幀圖像I1和I2的點集{Pli}和{p2i}中對應各點的光流矢量IVxi, VyJ，遍歷各點光流矢量{VXi，VyJ，將符合VXi>5并且VyiM的點形成點集Ixi, yj ； 同時，采用SURF算法分別提取前后兩幀圖像I1, I2的特征點，得到特征點簇IsliK{s2i},各點的坐標為{χπ, Y1J , {x2i, y2i}； 步驟2:比較{Xli，yii}中各點與Ixi, yj中各點的歐氏距離，將歐氏距離大于5的各點組成為{xt，yt}； 步驟3 :對位于{xt, yj處的I1上的特征點簇{slt}建立64位的SURF特征描述符{dlt},對位于{xt, yj處的上的特征點簇{s2i}建立64位的SURF特征描述符{s2i}； 步驟4 :計算圖像I1的任一特征點Sltm與圖像I2中所有特征點Is2J之間的歐氏距離，如果兩個特征點Sltm和S2im之間的歐氏距離最短，則稱點S2im是點Sltm的匹配點； 計算圖像I2的任一特征點S2tm與圖像I1中所有特征點Is1J之間的歐氏距離，如果兩個特征點S2tni和Slini之間的歐氏距離最短，則稱點Slini是點S2tni的匹配點； 由此找出所有對應點對{slm}和Is2J ； 步驟5 :對匹配好的特征點對{slm}和{s2m}，利用RANSAC算法估計出仿射變換模型A ；步驟6 :獲得兩幅圖像之間的仿射變換參數A后，根據仿射變換模型對應關系對其中一幅圖像進行仿射變換，從而消除像機運動。
全文摘要
本發明涉及一種空間繩系機器人相機自運動檢測與補償方法，技術特征在于計算出前后幀圖像中含有運動目標的區域；然后利用SURF算法在不含運動目標的區域進行特征點檢測；其次采用的SURF特征描述向量不但具有尺度、旋轉不變性，而且還具有較好的區分性，所以新算法可以有效地提高圖像配準可靠性和準確性；同時還采用交叉匹配算法進一步降低了誤匹配率，使得該算法魯棒性更強，運動參數求解得更加精確。
文檔編號G06T5/00GK103065329SQ20131001338
公開日2013年4月24日 申請日期2013年1月15日 優先權日2013年1月15日
發明者黃攀峰, 蔡佳, 孟中杰, 劉正雄 申請人:西北工業大學