一种空间绳系机器人相机自运动检测与补偿方法

摘要

本发明涉及一种空间绳系机器人相机自运动检测与补偿方法，技术特征在于：计算出前后帧图像中含有运动目标的区域；然后利用SURF算法在不含运动目标的区域进行特征点检测；其次采用的SURF特征描述向量不但具有尺度、旋转不变性，而且还具有较好的区分性，所以新算法可以有效地提高图像配准可靠性和准确性；同时还采用交叉匹配算法进一步降低了误匹配率，使得该算法鲁棒性更强，运动参数求解得更加精确。

主权项

一种空间绳系机器人相机自运动检测与补偿方法，其特征在于步骤如下：步骤1：采用金字塔L‑K法计算前后两帧图像I1和I2的点集{p1i}和{p2i}中对应各点的光流矢量{Vxi,Vyi}，遍历各点光流矢量{Vxi,Vyi}，将符合Vxi>5并且Vyi>5的点形成点集{xi,yi}；同时，采用SURF算法分别提取前后两帧图像I1，I2的特征点，得到特征点簇{s1i}，{s2i}，各点的坐标为{x1i,y1i}，{x2i,y2i}；步骤2：比较{x1i,y1i}中各点与{xi,yi}中各点的欧氏距离，将欧氏距离大于5的各点组成为{xt,yt}；步骤3：对位于{xt,yt}处的I1上的特征点簇{s1t}建立64位的SURF特征描述符{d1t}，对位于{xt,yt}处的I2上的特征点簇{s2i}建立64位的SURF特征描述符{s2i}；步骤4：计算图像I1的任一特征点s1tm与图像I2中所有特征点{s2i}之间的欧氏距离，如果两个特征点s1tm和s2im之间的欧氏距离最短，则称点s2im是点s1tm的匹配点；计算图像I2的任一特征点s2tm与图像I1中所有特征点{s1i}之间的欧氏距离，如果两个特征点s2tm和s1im之间的欧氏距离最短，则称点s1im是点s2tm的匹配点；由此找出所有对应点对{s1m}和{s2m}；步骤5：对匹配好的特征点对{s1m}和{s2m}，利用RANSAC算法估计出仿射变换模型A；步骤6：获得两幅图像之间的仿射变换参数A后，根据仿射变换模型对应关系对其中一幅图像进行仿射变换，从而消除像机运动。