基于跟踪时间预测的特征选择方法

摘要

本发明公开了一种基于跟踪时间预测的特征选择算法，包括：随机选择一帧二维图像的n个特征进行特征跟踪，获得特征匹配的结果，并利用该结果估计二维图像的运动信息；对二维图像进行分割，得到一组互相不重叠的图像子区域，将每个子区域的中心像素作为特征点，根据二维图像的运动信息和特征点的当前所在位置，通过前向迭代算法来预测特征点的跟踪时间，并以此作为特征点所在子区域内任一特征的预测跟踪时间，即作为每个子区域的预测跟踪时间；比较所有子区域的预测跟踪时间，在具有最大预测跟踪时间的子区域内进行特征提取。本发明提供的特征选择方法，在用于机器人从环境中选取特征时可以有效减少其自身定位估计的不确定性。

主权项

1.一种基于跟踪时间预测的特征选择方法，其特征在于，包括以下步骤：(1)随机选择一帧二维图像的n个特征进行特征跟踪，获得特征匹配的结果；并利用所述的特征匹配的结果估计二维图像的运动信息，其过程如下：采用如式(I)所示的六参数仿射模型表示二维图像的运动：u₂＝a₁×u₁+a₂×v₁+a₃                     (I)v₂＝a₄×u₁+a₅×v₁+a₆式(I)，[a₁，a₂，a₃，a₄，a₅，a₆]为所述的六参数仿射模型的参数，a₁，a₂，a₄，a₅表示图像的缩放和旋转，a₃和a₆分别对应上下和左右的平移运动；根据所述的特征匹配的结果，特征点p_i在k时刻的坐标为在k+1时刻的坐标为由式(I)得到特征点p_i的运动方程如式(II)所示：$\left[\begin{array}{c}{u}_i^{k+1}\\ v_i^{k+1}\end{array}\right]=\left[\begin{array}{cc}{a}_1& a_2\\ a_4& a_5\end{array}\right]\left[\begin{array}{c}{u}_i^k\\ v_i^k\end{array}\right]+\left[\begin{array}{c}{a}_3\\ a_6\end{array}\right]---\left(\mathrm{II}\right)$则，n个特征点对应的运动方程组如式(III)所示：$\left[\begin{array}{c}{u}_1^{k+1}\\ v_1^{k+1}\\ ...\\ u_n^{k+1}\\ v_n^{k+1}\end{array}\right]=\left[\begin{array}{cc}{a}_1& a_2\\ a_4& a_5\end{array}\right]\left[\begin{array}{cccc}{u}_1^k& v_1^k& 0& 0\\ 0& 0& u_1^k& v_1^k\\ & ...& & \\ u_n^k& v_n^k& 0& 0\\ 0& 0& u_n^k& v_n^k\end{array}\right]+\left[\begin{array}{c}{a}_3\\ a_6\end{array}\right]---\left(\mathrm{III}\right)$求解式(III)所示的运动方程组，确定参数[a₁，a₂，a₃，a₄，a₅，a₆]，从而确定表示二维图像运动的六参数仿射模型，以估计二维图像的运动信息；(2)对二维图像进行分割，得到一组互相不重叠的图像子区域，将每个子区域的中心像素作为特征点，根据二维图像的运动信息和特征点的当前所在位置，通过前向迭代算法来预测特征点的跟踪时间，并以此作为特征点所在子区域内任一特征的预测跟踪时间，即作为每个子区域的预测跟踪时间；其中，所述通过前向迭代算法来预测特征点的跟踪时间的方法如下：假设特征在当前时刻位于(u₁，v₁)处，则基于式(III)所示的运动方程组的k次前向迭代方程如式(IV)所示：${\hat{u}}_2=a_1\times u_1+a_2\times v_1+a_3$${\hat{v}}_2=a_4\times u_1+a_5\times v_1+a_6$$...---\left(\mathrm{IV}\right)$${\hat{u}}_k=a_1\times {\hat{u}}_{k-1}+a_2\times {\hat{v}}_{k-1}+a_3$${\hat{v}}_k=a_4\times {\hat{u}}_{k-1}+a_5\times {\hat{v}}_{k-1}+a_6$该迭代模型在遇到以下两种情况时自动停止：1、其中L和W为图像的长度和宽度；2、迭代次数满k次；因此，预测跟踪时间近似表示为式(V)所示${\hat{t}}_v=\left\{\begin{array}{c}i,i<k\\ k,i\ge k\end{array}\right.---\left(V\right);$(3)比较所有子区域的预测跟踪时间，在具有最大预测跟踪时间的子区域内进行特征提取。