基于旋转模型的鱼眼图像准稠密对应点匹配扩散方法

摘要

本发明公开一种基于旋转模型的准稠密对应点匹配扩散方法；该方法主要包括以下几个步骤：对于同一场景从不同位置拍摄的一对鱼眼图像，首先提取和匹配图像中的特征点，然后对这些特征点进行精确定位，并把这些特征点作为初始种子点；接着从最优种子点开始向其邻域进行准稠密对应点扩散，扩散的对应点作为新的种子点用于后续的继续扩散。在本发明中，对应点的视差约束采用旋转变换模型，相比已有的仿射变换模型而言，该模型计算简单，模型自由参数只有一个，因此整个扩散过程稳定可靠，并且可满足大多数的应用需求。另外，该方法是一种非约束的扩散方法，无需对摄像机的运动参数进行事先标定，具有较大的灵活性。实验结果也验证了该方法的可行性，具有很强的实用性。

主权项

1.一种基于旋转模型的鱼眼图像准稠密对应点匹配扩散方法，其特征在于步骤如下：S1：从不同位置拍摄两幅待匹配场景的鱼眼图像,，并提取和匹配两幅图像的特征点；S2：对匹配的特征点进行精确定位，并计算这些特征点的相似性大小和旋转变换模型，然后将相似性大于某一阈值的特征点作为后续准稠密对应点扩散的初始种子点，并把这些种子点存入集合；精确定位的方法是：S21：将_,中以对应特征点为中心，邻域半径为的子图像分别转换到极坐标系，得到两个子图像，；S22：对子图像，，采用相位相关法，求得两子图像的相对旋转角度；S23：以对应特征点的初始对应坐标和S22计算得到的相对旋转角度为初值，灰度相关性为代价函数，采用Levenberg-Marquat算法在原图像,中通过迭代优化，得到对应特征点的精确对应位置和相对旋转角度的精确值，同时也可得到对应特征点的相对旋转变换矩阵:；S3：根据相似性大小从种子点集合中选出相似性最大的种子点作为最优种子点，同时从种子点集合中去除该种子点；然后从当前最优种子点开始，在其邻域实现无极几何约束的准稠密对应点扩散；S4：将扩散的对应点作为新的种子点，保存到种子点集合，并且计算这些新种子点的旋转变换模型和相似性大小；S5：如果当前种子点集合不为空，那么转步骤S3；S6：利用已得到的准稠密对应点估计极几何约束，然后利用此约束重新进行带极几何约束的准稠密对应点扩散；在S3和S6的准稠密对应点扩散过程中，局部视差约束采用旋转变换模型，具体讲，已知图像,中的一对种子点为,和邻域象素点分别为和，假设将种子点设为对应邻域的局部坐标系原点，且种子点邻域对应的旋转矩阵为，那么在当前种子点邻域进行对应点扩散过程中，对任意一点，其在中可能的匹配点视差限制条件为。