基于ransac算法的視覺(jué)定位方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種基于RANSAC算法的視覺(jué)定位方法。
【背景技術(shù)】
[0002] 隨著科學(xué)技術(shù)的進(jìn)步，生活水平的提高，手機(jī)成為人們出行的標(biāo)配，位置定位服務(wù) 越來(lái)越受到人們的重視。在現(xiàn)有的定位技術(shù)中，利用衛(wèi)星進(jìn)行定位在室外使用頻繁且精度 較高，但在室內(nèi)環(huán)境下，由于墻壁的遮擋等因素的影響，定位效果不理想。近年來(lái)在室內(nèi)環(huán) 境下影響較大的是基于Wifi的定位技術(shù)，是由于wifi設(shè)備部署方便，實(shí)現(xiàn)簡(jiǎn)單，但基于 wifi的定位受環(huán)境的影響較大，任何一個(gè)較大的遮擋物，比如人流、大型設(shè)備等，都會(huì)對(duì)定 位精度產(chǎn)生影響?，F(xiàn)如今興起的基于視覺(jué)的定位技術(shù)由于其所需設(shè)備簡(jiǎn)單，受影響因素較 小而得到廣泛關(guān)注。由于攝像頭已經(jīng)成為手機(jī)的標(biāo)配，并且手機(jī)終端的計(jì)算能力顯著提升， 因此視覺(jué)定位無(wú)需添加附加設(shè)備，同時(shí)由于建筑成型后變化小，使基于視覺(jué)的定位受到影 響因素較小。
[0003] 基于視覺(jué)的室內(nèi)定位是指通過(guò)用戶(hù)所在位置獲取的圖像信息來(lái)判定用戶(hù)的地理 位置，從而進(jìn)行定位。通常情況下視覺(jué)定位系統(tǒng)分為兩步；1、建立基于圖像Visual Map數(shù) 據(jù)庫(kù)的離線階段；2、利用用戶(hù)圖像進(jìn)行在線的定位估計(jì)階段。在離線階段中，用于視覺(jué)定位 的數(shù)據(jù)庫(kù)的獲取方法為在室內(nèi)環(huán)境下按照一定地理間隔設(shè)置均勻的參考點(diǎn)，使所有參考點(diǎn) 覆蓋所需定位區(qū)域，然后在每個(gè)參考點(diǎn)朝不同方向照相，從而獲得基于圖片的數(shù)據(jù)庫(kù)。數(shù)據(jù) 庫(kù)由多個(gè)參考點(diǎn)組成，每個(gè)參考點(diǎn)包含兩部分信息，分別是參考點(diǎn)的地理位置和參考點(diǎn)拍 攝所有圖片的特征點(diǎn)描述信息。其中，圖片的特征點(diǎn)描述信息是使用SURF算法提取的，該 里采用SURF算法是因?yàn)槠涮崛〉奶卣鼽c(diǎn)具有尺度不變性，旋轉(zhuǎn)不變性，并且受噪聲、光照 變化的影響較小。在現(xiàn)階段則首先提取用戶(hù)所拍攝圖像的SURF特征描述信息，將此信息與 數(shù)據(jù)庫(kù)中描述信息進(jìn)行匹配，從而選出與用戶(hù)拍攝圖片最為匹配的若干張圖片，之后通過(guò) RANSAC(RANdom，SAmple Consensus)算法對(duì)誤匹配點(diǎn)進(jìn)行剔除，最后使用對(duì)極幾何方法對(duì) 用戶(hù)位置進(jìn)行估計(jì)。
[0004] RANSAC算法的基本假設(shè)是樣本中包含正確數(shù)據(jù)（inliers，可W被模型描述的數(shù) 據(jù)），也包含異常數(shù)據(jù)（outliers,偏離正常范圍很遠(yuǎn)，無(wú)法適應(yīng)數(shù)學(xué)模型的數(shù)據(jù)），即數(shù)據(jù) 集中含有噪聲。該些異常數(shù)據(jù)可能是由于錯(cuò)誤的測(cè)量、假設(shè)或計(jì)算等產(chǎn)生的。在本發(fā)明中， 該些異常數(shù)據(jù)由SURF算法進(jìn)行預(yù)匹配所產(chǎn)生的錯(cuò)誤匹配或者誤差比較大的匹配產(chǎn)生。同 時(shí)RANSAC也假設(shè)，給定一組正確的數(shù)據(jù)，存在可W計(jì)算出符合該些數(shù)據(jù)的模型參數(shù)的方 法。RANSAC算法的思想描述如下；
[0005] (1)考慮一個(gè)最小抽樣集的勢(shì)為n的模型（n為初始化模型參數(shù)所需的最小樣本 數(shù)）和一個(gè)樣本集P，集合P的樣本數(shù)# (P)〉n，從P中隨機(jī)抽取n個(gè)樣本，構(gòu)成P的子集S， 用來(lái)初始化模型M。
[0006] (2)余集中與模型M的誤差小于某一設(shè)定闊值t的樣本集合和集合S構(gòu)成集合S>。 S*是內(nèi)點(diǎn)集，它們構(gòu)成S的一致集（Consensus set)。
[0007] (3)若#(P)〉N，認(rèn)為得到正確的模型參數(shù)，并利用集S%采用最小二乘等方法重新 計(jì)算新的模型r。重新隨機(jī)抽取新的S，重復(fù)W上過(guò)程。
[000引 （4)在完成一定的抽樣次數(shù)后，若未找到一致集，則算法失敗，否則選取抽樣后得 到的最大一致集判斷內(nèi)外點(diǎn)，算法結(jié)束。
[0009] RANSAC是一個(gè)采用迭代的過(guò)程來(lái)估計(jì)模型參數(shù)的方法，具有穩(wěn)定、可靠、精度高、 魯椿性強(qiáng)等優(yōu)點(diǎn)，是基于特征的圖像配準(zhǔn)算法中的典型算法，具有較好的剔除誤匹配點(diǎn)的 能力，經(jīng)常被應(yīng)用在圖像的特征匹配中，如圖1所示。但是傳統(tǒng)的RANSAC算法的計(jì)算量太 大、計(jì)算時(shí)間長(zhǎng)。本發(fā)明提出的改進(jìn)RANSAC算法，通過(guò)賦予特征點(diǎn)匹配質(zhì)量，基于匹配質(zhì)量 選擇計(jì)算模型的樣本，而不是隨機(jī)的選取，由于質(zhì)量高的匹配點(diǎn)得到正確模型的概率大，該 樣目的在于減少迭代次數(shù)，從而提高剔除錯(cuò)誤匹配點(diǎn)的速度。

【發(fā)明內(nèi)容】

[0010] 本發(fā)明的目的是為了解決傳統(tǒng)RANSAC算法的迭代次數(shù)多、計(jì)算量大、計(jì)算時(shí)間 長(zhǎng)，導(dǎo)致利用此算法實(shí)現(xiàn)的視覺(jué)定位方法存在定位速度慢的問(wèn)題，而提出一種基于RANSAC 算法的視覺(jué)定位方法。
[0011] 一種基于RANSAC算法的視覺(jué)定位方法，所述方法通過(guò)W下步驟實(shí)現(xiàn)：
[0012] 步驟一、通過(guò)SURF算法計(jì)算出待定位用戶(hù)上傳的圖像的特征點(diǎn)W及特征點(diǎn)描述 f目息；
[0013] 步驟二、在數(shù)據(jù)庫(kù)中選擇一張具有匹配點(diǎn)數(shù)最多的圖片，將步驟一得到圖像的特 征點(diǎn)描述信息與圖片的特征點(diǎn)描述信息進(jìn)行SURF匹配，將進(jìn)行匹配的每對(duì)圖像與圖片定 義為一對(duì)匹配圖像，則每對(duì)匹配圖像在進(jìn)行匹配后會(huì)得到一組匹配點(diǎn)；
[0014] 步驟S、通過(guò)匹配質(zhì)量的RANSAC算法，將步驟二中每對(duì)匹配圖像的匹配點(diǎn)中的錯(cuò) 誤匹配點(diǎn)剔除后，確定出含有正確匹配點(diǎn)的數(shù)量最多的4對(duì)匹配圖像；
[0015] 步驟四、根據(jù)步驟=得到的4對(duì)匹配圖像，通過(guò)對(duì)極幾何算法計(jì)算出用戶(hù)的位置 坐標(biāo)，完成室內(nèi)定位。
[0016] 本發(fā)明的有益效果為：
[0017] 本發(fā)明提出的改進(jìn)RANSAC算法，目的在于減少迭代次數(shù)，提高算法運(yùn)行速度，W 及算法魯椿性。RANSAC算法的計(jì)算量太大、計(jì)算時(shí)間長(zhǎng)，是由于隨機(jī)采樣使得迭代次數(shù)多導(dǎo) 致的，本發(fā)明提出的改進(jìn)RANSAC算法，通過(guò)賦予匹配點(diǎn)匹配質(zhì)量，將匹配質(zhì)量組合從高到 低排列，優(yōu)先質(zhì)量高的匹配點(diǎn)組合計(jì)算模型的樣本，而不是隨機(jī)的選取，由于質(zhì)量高的匹配 點(diǎn)得到正確模型的概率大，該樣能夠?qū)ANSAC算法的迭代次數(shù)減少93%左右，從而將剔除 錯(cuò)誤匹配點(diǎn)的速度提高85 %左右，提高RANSAC算法的運(yùn)算速度，使依靠RANSAC算法進(jìn)行室 內(nèi)視覺(jué)定位的定位速度提高70-75%。
【附圖說(shuō)明】
[001引圖1為本發(fā)明實(shí)施例1中設(shè)及的用戶(hù)上傳的圖像中匹配點(diǎn)信息示意圖；
[0019] 圖2為本發(fā)明實(shí)施例1中設(shè)及的數(shù)據(jù)庫(kù)中的圖片的匹配點(diǎn)信息示意圖；
[0020] 圖3是本發(fā)明實(shí)施例1中設(shè)及的未應(yīng)用改進(jìn)RANSAC算法進(jìn)行匹配的匹配點(diǎn)示意 圖；
[0021] 圖4是本發(fā)明實(shí)施例1中設(shè)及的應(yīng)用改進(jìn)的RANSAC算法進(jìn)行匹配的匹配點(diǎn)示意 圖；
[0022] 圖5是本發(fā)明在【背景技術(shù)】中設(shè)及的傳統(tǒng)RANSAC算法流程示意圖。
[0023] 圖6是本發(fā)明的改進(jìn)后的RANSAC算法流程不意圖。
【具體實(shí)施方式】
【具體實(shí)施方式】 [0024] 一；
[0025] 本實(shí)施方式的基于RANSAC算法的視覺(jué)定位方法，如圖6所示，所述方法通過(guò)W下 步
[0026] 驟實(shí)現(xiàn)；