(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210528680.9 (22)申请日 2022.05.16 (71)申请人 辽宁科技大 学 地址 114051 辽宁省鞍山市高新区千山路 185号 (72)发明人 巩荣芬　焦玉鹏　储茂祥　刘淑明　 梁浩　 (74)专利代理 机构 鞍山嘉讯科技专利事务所 (普通合伙) 21224 专利代理师 张群 (51)Int.Cl. G06T 7/223(2017.01) G06T 7/73(2017.01) G06T 5/00(2006.01) G06T 5/40(2006.01)G06T 9/40(2006.01) (54)发明名称 一种基于四叉树的光照自适应 ORB特征提取 和匹配方法 (57)摘要 本发明提供一种基于四叉树的光照自适应 ORB特征提取和匹配方法， 包 括如下步骤： 步骤1： 获取相机运动状态， 根据相机运动状态构建金字 塔图像； 步骤2： 提取FAST关键点； 步骤3： 利用改 进四叉树算法对关键点进行增添或剔除； 步骤4： 提取各关键点的BRIE F描述子， 得到 特征点； 步骤 5： 根据特征点的汉明距离， 获取匹配的特征点 对； 步骤6： 利用改进RANSA C算法剔除误匹配特征 点对。 提供改进的金字塔图像构建方法、 改进的 四叉树算法和匹配特征点对的筛选策略， 以增强 算法对光照的鲁棒 性和提升算法的运行速度。 权利要求书2页 说明书9页 附图7页 CN 114862902 A 2022.08.05 CN 114862902 A 1.一种基于四叉树的光照自适应ORB特征提取和匹配方法， 其特征在于， 包括如下步 骤： 步骤1： 获取相机运动状态， 根据相机运动状态构建金字塔图像； 步骤2： 提取 FAST关键点； 步骤3： 利用改进四叉树 算法对关键点进行增添或剔除； 步骤4： 提取 各关键点的BRIEF描述子， 得到特 征点； 步骤5： 根据特 征点的汉明距离， 获取匹配的特 征点对； 步骤6： 利用改进RANSAC算法剔除误匹配特 征点对。 2.根据权利要求1所述的一种基于四叉树的光照自适应ORB特征提取和匹配方法， 其特 征在于， 所述的步骤1中， 获取相机运动状态并构建金字塔图像， 步骤如下： 步骤1‑1： 获取相机的运动 状态， 相机的运动 状态包括相机的运动方向和在各运动方向 上的运动速度； 步骤1‑2： 量化上述相机的运动状态， 得到量 化后的相机运动参数； 步骤1‑3： 根据量 化后的相机运动参数构建金字塔图像的尺度参数； 步骤1‑4： 根据尺度参数构建金字塔图像， 剔除冗余的金字塔图像层。 3.根据权利要求1所述的一种基于四叉树的光照自适应ORB特征提取和匹配方法， 其特 征在于， 所述的步骤3中， 利用改进四叉树 算法对关键点进行增添或剔除， 步骤如下： 步骤3‑1： 统计四叉树节点内图像块中提取的关键点个数； 步骤3‑2： 如果提取的关键点个数少于设定阈值则执行步骤3 ‑3， 如果提取的关键点个 数多于设定阈值则执 行步骤3‑9； 步骤3‑3： 增加亮度评估， 对图像块进行亮度的过亮和过暗估计； 步骤3‑4： 如果评估结果为亮度过亮则执行步骤3 ‑5， 如果评估结果为亮度过暗则执行 步骤3‑6； 步骤3‑5： 引入Gam ma变换， 对过亮图像块进行增强， 结束后执 行步骤3‑7； 步骤3‑6： 引入直方图均衡化， 对过暗图像块进行增强； 步骤3‑7： 对增强后的图像块再一次提取 FAST关键点； 步骤3‑8： 统计图像块中关键点增加的个数， 如果关键点增量超过指定阈值则执行步骤 3‑9， 如果关键点增量没有超过指定阈值则执 行步骤3‑11； 步骤3‑9： 四叉树节点继续分裂； 步骤3‑10： 四叉树节点分裂深度达 到设定阈值； 步骤3‑11： 四叉树节点停止继续分裂； 步骤3‑12： 保留四叉树节点内图像块中质量 最好的关键点， 删除其 他关键点。 4.根据权利要求3所述的一种基于四叉树的光照自适应ORB特征提取和匹配方法， 其特 征在于， 所述的步骤3 ‑3中， 亮度评估过程如下： 设定四叉树节点分裂深度阈值 η； 确定未达 到分裂深度阈值的四叉树节点 ID； 计算四叉树节点 ID内图像块中心点在整幅图像中的相对位置坐标； 计算四叉树节点 ID内图像块的尺寸数据； 根据相对位置坐标和尺寸数据在四叉树节点ID内图像块中均匀且分散地采集n个像素权　利　要　求　书 1/2 页 2 CN 114862902 A 2点， 采集的方式有 多种； 对第i种采集方式， 计算图像块的亮度值ui， 公式如下： ui＝[I0(x0， y0)+I1(x1， y1)+……+In(xn， yn)]/n In(xn,yn)表示所采集的第n个 像素点的像素值； 对多种采集方式计算得到多个亮度值ui， 图像块最终的亮度值u可以按照实际需求选 择 其一或者按照均值、 中值、 极值 等方式计算。 5.根据权利要求1所述的一种基于四叉树的光照自适应ORB特征提取和匹配方法， 其特 征在于， 所述的步骤6中， 利用改进RANSAC算法剔除误匹配特 征点对， 步骤如下： 步骤6‑1： 统计所有具有匹配关系的特 征点； 步骤6‑2： 对具有匹配关系的特征点进行判断， 如果特征点属于最底层四叉树节点则执 行步骤6‑3， 如果特 征点不属于最底层四叉树节点则执 行步骤6‑4； 步骤6‑3： 如果特征点所在的四叉树节点不是相邻的则执行步骤6 ‑4， 如果特征点所在 的四叉树节点是相邻的则执 行步骤6‑5； 步骤6‑4： 确定稀疏分布的B类特 征点对， 并执 行步骤6‑7； 步骤6‑5： 确定聚集分布的A类特 征点对； 步骤6‑6： 针对A类特 征点对， 通过匹配方向剔除误匹配特 征点对； 步骤6‑7： 构建精简数据集， 针对精简数据集进行RANSAC迭代， 剔除误匹配特 征点对； 步骤6‑8： 得到最佳匹配点对。 6.根据权利要求5所述的一种基于四叉树的光照自适应ORB特征提取和匹配方法， 其特 征在于， 所述的步骤6 ‑6中， 匹配方向的计算过程如下： 对两幅图像中的特 征点对进行匹配方向计算： (x1， y1)表示第一幅图像中的特征点， (x2， y2)表示第二幅图像中与之匹配的特征点， θ表 示计算的匹配点对之间的匹配方向， 如果匹配方向过 大则认为是误匹配特 征点对。 7.根据权利要求5所述的一种基于四叉树的光照自适应ORB特征提取和匹配方法， 其特 征在于， 所述的步骤6 ‑7中， 精简数据集包括： 精简数据集中的数据包括两个部分， 一部分是已通过匹配方向剔除误匹配的A类特征 点对， 另一部分B类特 征点对； 针对精简数据集的RANSAC迭代的时间会减少， 同时精简数据集剔除了误匹配的A类特 征点对。 8.根据权利要求5所述的一种基于四叉树的光照自适应ORB特征提取和匹配方法， 其特 征在于， 所述的步骤6 ‑7中， 剔除误匹配特 征点对的过程如下： 对A类特征点对进行RANSAC迭代， 迭代过程中剔除误匹配特征点对， 并确定最佳单应矩 阵； 利用最佳 单应矩阵对B类特 征点对进行筛 选， 剔除误匹配特 征点对。权　利　要　求　书 2/2 页 3 CN 114862902 A 3