一种适用于空间绳系机器人的立体视觉快速图像拼接方法

摘要

本发明涉及一种适用于空间绳系机器人的立体视觉快速图像拼接方法，基于ORB特征检测和描述算法的图像拼接算法，通过与传统的拼接算法的对比，可以看出，这种算法在拼接精度、鲁棒性和最终拼接图像的效果上其性能都比较好，其速度相对于传统的算法却是最快的，具有较为广泛的应用范围和良好的应用前景。与现有技术相比，本发明具有如下有益效果：算法的耗时较少，拼接速度显著提高；图片拼接处融合效果较好；抗噪声能力比较强。

主权项

一种适用于空间绳系机器人的立体视觉快速图像拼接方法，其特征在于：步骤如下：步骤1：采用左右两台相机对目标图像同步进行采集后得到两幅图像I_l(x',y')和I_r(x,y)，以其中一幅图像为参考图像I_l(x',y')，另一幅图像为待拼接图像I_r(x,y)；所述两台相机为光轴平行放置；所述两幅图像具有重叠；步骤2：对两幅图像I_l(x',y')和I_r(x,y)分别进行中值滤波和维纳滤波；步骤3：对滤波后的图像I_l(x',y')和I_r(x,y)利用ORB算法分别进行特征提取，分别得到I_l(x',y')I_r(x,y)上的特征点集{P_lo1，P_lo2，…，P_lom}和{P_ro1，P_ro2，…，P_ron}；采用Hamming距离作为距离的描述对特征点集{P_lo1，P_lo2，…，P_lom}和{P_ro1，P_ro2，…，P_ron}进行匹配，得到粗匹配后的特征点集{P_lm1,P_lm2,…,P_lmc}和{P_rm1,P_rm2,…,P_rmc}；分别计算各匹配点之间的Euclidean距离d_lr1,d_lr2,…,d_lrc，得到其中的最小距离d_min；对特征点集{P_lm1,P_lm2,…,P_lmc}和{P_rm1,P_rm2,…,P_rmc}中每个特征点对进行如下判断，如果d_lri<2×d_min，该特征点对视为正确匹配，则保留该特征点对P_lmi和P_rmi；如果d_lri≥2×d_min，该特征点对视为错误匹配，则剔除该特征点对P_lmi和P_rmi；得到正确匹配的特征点集{P_lfm1,P_lfm2,…,P_lfmj}和{P_rfm1,P_rfm2,…,P_rfmj}；步骤4：以矩阵乘法表示2D图像之间的变换关系，其上各点之间的映射关系如下：$\left(\begin{array}{c}{x}^{\prime }\\ y^{\prime }\\ 1\end{array}\right)=\left(\begin{array}{ccc}{m}_0& m_1& m_2\\ m_3& m_4& m_5\\ m_6& m_7& m_8\end{array}\right)\left(\begin{array}{c}x\\ y\\ 1\end{array}\right)=M\left(\begin{array}{c}x\\ y\\ 1\end{array}\right)$M记为空间变换矩阵；利用步骤3得到的正确匹配的特征点集{P_lfm1,P_lfm2,…,P_lfmj}和{P_rfm1,P_rfm2,…,P_rfmj}，根据随机抽样一致性方法RANSAC方法计算得到从待拼接图像I_r(x,y)到参考图像I_l(x’,y’)变换的空间变换矩阵M中的各参量值；根据空间变换矩阵M，将待拼接图像I_r(x,y)投影变换到参考图像I_l(x',y')坐标系中，得到I_r(x,y)'；步骤5：采用加权平均法将I_l(x',y')和I_r(x,y)'融合成一副图像I(x_w,y_w)；所述加权平均法的步骤如下：对I_l(x',y')和I_r(x,y)'上的各像素点由下述公式处理：$I(x_w,y_w)=\left\{\begin{array}{cc}{I}_l(x_w,y_w)& (x_w,y_w)\in I_l\\ a_1(x_w,y_w)I_l(x_w,y_w)+a_2{I}_r{(x_w,y_w)}^{\prime }& (x_w,y_w)\in I_l\cap {I_r}^{\prime }\\ I_r{(x_w,y_w)}^{\prime }& (x_w,y_w)\in {I_r}^{\prime }\end{array}\right.$其中a₁和a₂分别代表两幅原始图像重叠区域中像素所应用的权值，满足a₁+a₂＝1，0<a₁<1，0<a₂<1；所述a₂＝1‑a₁；其中：x_max和x_min分别表示I_l(x',y')和I_r(x,y)'重叠区域的x轴最大和最小值；当a₁由1慢慢变化到0时，重叠区域从第一幅图像I_l(x',y')慢慢过渡到第二幅图像I_r(x,y)'，实现了图像间的平滑过渡，消除了拼接缝效应，调整图像尺寸大小后形成完整的拼接图像I(x_w,y_w)。