一种浮点型三角形特征描述方法

摘要

一种浮点型三角形特征描述方法，属于计算机视觉领域。以单一的三角形作为一个特征单元，以三角形边角关系结合三角形局部区域信息构建38维特征描述子，包括三角形三边和三角构成的六维形状描述子，以及以三角形质心为中心、以三角形最长边的一定比例为半径所确定正方形区域形成的32维区域描述子。与现有以多个三角形为特征单元但描述信息简单的算法相比，本发明特征描述子维数降低，形状描述子和区域描述子半径具有平移、尺度和旋转不变性，区域描述子中心具有仿射不变性，因此既能显著降低特征描述的复杂度、提升匹配速度，也能提高特征描述的鲁棒性。由于增加了几何约束，本发明的特征点匹配可靠性得到提高。

主权项

一种浮点型三角形特征描述方法，其特征在于以下步骤：第一步：构建六维形状描述子；假设一个三角形按逆时针顺序排列的三个顶点为v₁、v₂、v₃，计算三角形的三个边长l₁，l₂，l₃：$\left\{\begin{array}{c}{l}_1=dis(v_1,v_2)\\ l_2=dis(v_2,v_3)\\ l_3=dis(v_3,v_1)\end{array}\right.$式中dis表示两点间的距离；以三角形最长边为起点，按逆时针顺序对三边进行排列，记新得到的三个边长为l′₁、l′₂、l′₃，l＝l′₁+l′₂+l′₃；设与三条边l′₁、l′₂、l′₃相对的三个内角分别为θ₁、θ₂、θ₃，应用余弦公式计算三个内角如下：${\theta }_1=arccos\frac{{l_2}^{\prime 2}+{l_3}^{\prime 2}-{l_1}^{\prime 2}}{2{l_2}^{\prime }{l_3}^{\prime }}$${\theta }_2=arccos\frac{{l_1}^{\prime 2}+{l_3}^{\prime 2}-{l_2}^{\prime 2}}{2{l_1}^{\prime }{l_3}^{\prime }}$${\theta }_3=arccos\frac{{l_1}^{\prime 2}+{l_2}^{\prime 2}-{l_3}^{\prime 2}}{2{l_1}^{\prime }{l_2}^{\prime }}$则三角形的六维形状描述子获取如下：$shapeDesc=\left[\begin{array}{cccccc}\alpha \frac{l_1^{\prime }}{l}& \alpha \frac{l_2^{\prime }}{l}& \alpha \frac{l_3^{\prime }}{l}& {\mathrm{\beta \theta }}_1& {\mathrm{\beta \theta }}_2& {\mathrm{\beta \theta }}_3\end{array}\right]$式中α、β是加权系数，α和β的选择依据是保证形状描述子和区域描述子具有相同的权重；第二步：构建32维区域描述子；首先，确定三角形局部区域的中心点、描述半径和描述子主方向；中心点选为三角形的质心；设三个顶点的坐标为v₁(x₁,y₁)、v₂(x₂,y₂)、v₃(x₃,y₃)，则质心坐标为[(x₁+x₂+x₃)/3,(y₁+y₂+y₃)/3]；描述半径选为γl′₁，γ为比例因子，l′₁为三角形的最长边；描述子的主方向选为按逆时针顺序的三角形最长边方向；其次，构建三角形区域描述子；以三角形质心为中心、以γl′₁为半径确定正方形区域，正方形的一条对称轴与主方向平行；将该区域等分为四个子区域，分别计算各子区域中每个像素的梯度方向，记录每个像素的梯度值；对于每个子区域中所有像素的梯度值，根据其方向相对于主方向的偏转角进行累积统计；每个子区域有八个方向，四个子区域排列起来共计32维；最后，对32维特征向量进行归一化处理，得到以下区域描述子：blockDesc＝[b₁,b₂,...,b₃₂]第三步：将三角形的六维形状描述子和32维区域描述子拼接起来，构成38维的三角形特征描述子：$triDesc=\left[\begin{array}{cccccccccc}\alpha \frac{l_1^{\prime }}{l}& \alpha \frac{l_2^{\prime }}{l}& \alpha \frac{l_3^{\prime }}{l}& {\mathrm{\beta \theta }}_1& {\mathrm{\beta \theta }}_2& {\mathrm{\beta \theta }}_3& b_1& b_2& ...& b_{32}\end{array}\right];$提取匹配三角形质心以及顶点的对应关系，使用RANSAC算法对这些对应关系进行验证，得到最终的特征点匹配关系。