基于球形相机模型的鱼眼图像特征点提取和匹配的研究

摘要

鱼眼镜头具有超大视角(180°)的特点，利用较少的图像就可以覆盖整个三维空间，因此被广泛应用于视觉监控、机器人导航、虚拟现实等领域。这些应用的基础都是对图像进行特征点的提取和匹配，特征点的数量和匹配的正确率直接影响应用的好坏。由于鱼眼图像的畸变影响匹配效果，本文针对鱼眼图像畸变的特点，对鱼眼镜头模型以及图像特征点提取和匹配算法进行了深入的研究。
　　本文首先对特征点的提取方法和描述方法做了一个详细综述，发现没有稳定的针对鱼眼图像的算法。对针孔孔模型下的算法直接应用于带有畸变的图像进行了讨论，分析了它们对于鱼眼图像的不适用性及原因。为了消除畸变影响，拟通过融合模型的方式设计针对于鱼眼图像的算法。
　　然后，本文深入研究了鱼眼图像的成像模型。通过研究发现畸变引起图像尺度的不统一，因此本文设计了一种基于尺度变化和齐次坐标融合的鱼眼成像模型，结合张正友标定实现了具体的标定，通过实验验证了方法的可行性。它是本文算法改进的基础。
　　接着，本文深入研究了特征点提取算法，通过尺度空间与平面热传导的关系以及鱼眼的成像过程，将平面推广至空间球面，推导出了球面高斯函数和尺度空间理论。另一方面，为了消除插值的影响，设计了基于像平面和球面高斯函数的卷积方法，它是一个具有自适应滤波性质的核函数与图像的卷积的过程，根据卷积的结果建立DoG空间和提取特征点。
　　最后本文，基于建立的高斯尺度空间和DoG尺度空间，对特征点进行描述子的设计。改进了两个算法，第一，本文对D-Nets算法进行了基于模型的改进，验证了模型融合的必要性;第二，本文针对区域描述算法SIFT进行基于模型的改进。设计了梯度校正算法，基于梯度校正算法设计了融合模型的特征点的区域描述算法。根据特征点的描述子，实现了特征点的匹配，为了提高匹配正确率，设计了基于尺度变化的特征点去误匹配算法。

目录

声明

摘要

第1章 绪论

1．1 引言

1．2 研究现状

1．2．1 特征点检测方法

1．2．2 特征点描述方法

1．2．3 鱼眼镜头成像

1．2．4 鱼眼图像特征点提取和匹配难点

1．3 本文研究内容及组织结构

1．3．1 研究内容及贡献

1．3．2 本文组织结构

第2章 针孔模型下特征点提取和匹配算法的研究

2．1 针孔模型下特征点的提取

2．1．1 特征提取算法比较

2．1．2 SIFT特征点检测算法

2．2 针孔模型下特征点的描述和匹配

2．2．1 特征点的描述

2．2．2 特征点的匹配

2．2．3 剔除误匹配

2．3 算法对鱼眼图像的不适用性分析

2．4 实验结果与分析

2．4．1 特征点韵提取

2．4．2 特征点的匹配

2．4．3 结果分析

2．5 本章小结

第3章 基于尺度变化与齐次坐标融合的鱼眼镜头球面成像模型的研究

3．1 单位尺度下成像模型的定义

3．1．1 参考坐标系介绍

3．1．2 针孔模型

3．1．3 球形成像模型

3．2 尺度变化与齐次坐标融合的球面映射关系的推导

3．2．1 球面像平面映射关系

3．2．2 齐次坐标与尺度变化的融合模型

3．3 基于单应矩阵的球面映射参数的标定

3．3．1 单应矩阵的求解

3．3．2 内参的标定

3．3．3 外参的标定

3．3．4 畸变参数的标定

3．4 实验结果与分析

3．4．1 阶数和图像数量对标定精度的影响

3．4．2 图像的校正结果

3．5 本章小结

第4章 基于球面模型的特征点提取算法改进

4．1 基于球面拉普拉斯方程的球面高斯核函数的推导

4．1．1 球面谐波函数

4．1．2 球面高斯核函数

4．1．3 球面卷积的定义

4．2 球面模型下的尺度空间

4．2．1 基于球面的卷积的实现

4．2．2 基于像平面卷积的实现

4．3 球面模型下特征点的提取

4．3．1 鱼眼图像DoG尺度空间的建立

4．3．2 极值点的检测和选取

4．4 实验结果与分析

4．4．1 特征点提取分析

4．4．2 特征点稳定性分析

4．5 本章小结

第5章 基于球面模型的特征点描述和匹配算法改进

5．1 球面模型约束与描述算法融合的必要性

5．1．1 D-Nets特征描述算法

5．1．2 基于球面模型约束的D-Nets特征点描述算法改进

5．1．3 融合球面模型的必要性分析

5．2 基于球面模型的特征点区域描述算法改进

5．2．1 基于球面映射的梯度的校正

5．2．2 基于梯度校正的特征点描述算法

5．3 基于尺度变化的特征匹配算法

5．3．1 特征点的匹配算法

5．3．2 基于变化尺度的RANSAC去误匹配算法

5．4 实验结果与分析

5．4．1 特征点匹配分析

5．4．2 特征点去误匹配分析

5．5 本章小结

第6章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢

攻读硕士期间发表的论文