基于sift圖像特征匹配的衛(wèi)星裝配工件快速識(shí)別方法
【專利摘要】本發(fā)明涉及一種基于SIFT圖像特征匹配的衛(wèi)星裝配工件快速識(shí)別方法，其主要技術(shù)特點(diǎn)包括：采集工件圖像并建立標(biāo)準(zhǔn)化圖像的工件特征模型庫(kù)；采用攝像裝置對(duì)待識(shí)別的工件進(jìn)行拍照；采用SIFT算法對(duì)采集到的圖像和工件特征模型庫(kù)中的圖像進(jìn)行快速識(shí)別；剔除誤匹配特征點(diǎn)獲得穩(wěn)定特征匹配點(diǎn)；完成圖像匹配，進(jìn)而識(shí)別出該工件。本發(fā)明通過(guò)建立多方位圖像采集的工件特征模型庫(kù)并對(duì)待識(shí)別工件進(jìn)行拍照，通過(guò)SIFT算法的圖像特征進(jìn)行快速匹配并剔除誤配點(diǎn)，實(shí)現(xiàn)在衛(wèi)星裝配的過(guò)程中，對(duì)所需工件進(jìn)行快速、穩(wěn)定、準(zhǔn)確的識(shí)別功能，提高了衛(wèi)星裝配過(guò)程的自動(dòng)化程度，具有魯棒性高、穩(wěn)定性強(qiáng)、快速正確等特點(diǎn)。
【專利說(shuō)明】
基于SIFT圖像特征匹配的衛(wèi)星裝配工件快速識(shí)別方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于圖像識(shí)別技術(shù)領(lǐng)域，尤其是一種基于SIFT圖像特征匹配的衛(wèi)星裝配工 件快速識(shí)別方法。
【背景技術(shù)】
[0002] 在進(jìn)行衛(wèi)星裝配時(shí)，通常采用人工裝配方式。人工裝配方法不僅效率低下，而且還 存在裝配速度慢，工人工作強(qiáng)度大等缺陷。雖然，可以采用機(jī)械式的裝配系統(tǒng)，但是，該方法 魯棒性較差，出錯(cuò)率高，并且還需要工人在旁邊實(shí)時(shí)進(jìn)行監(jiān)督修正。
[0003] 隨著圖像識(shí)別技術(shù)的發(fā)展，圖像匹配己成為物體辨識(shí)、機(jī)器人地圖感知與導(dǎo)航、影 像縫合、3D模型建立、手勢(shì)辨識(shí)、影像追蹤和動(dòng)作比對(duì)等圖像分析處理領(lǐng)域的關(guān)鍵技術(shù)和研 究熱點(diǎn)。所謂的圖像匹配技術(shù)是指通過(guò)一定的匹配方法兩幅或多幅圖像之間識(shí)別同一個(gè) 點(diǎn)。圖像匹配方法中的SIFT(Scale Invariant Feature Transform)方法是David Lowe于 1999年提出的局部特征描述子，并于2004年進(jìn)行了更深入的發(fā)展和完善。提取的SIFT特征 向量能夠?qū)πD(zhuǎn)、尺度縮放、亮度變化保持不變性，對(duì)視角變化、仿射變換、噪聲也保持一定 程度的穩(wěn)定性。但是，SIFT算法在產(chǎn)生穩(wěn)定性的匹配點(diǎn)時(shí)，還會(huì)產(chǎn)生大量的誤配點(diǎn)，因此，其 圖像匹配的正確率還有待進(jìn)一步提尚。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于彌補(bǔ)現(xiàn)有技術(shù)的不足之處，提供一種設(shè)計(jì)合理、魯棒性高且穩(wěn) 定性強(qiáng)的基于SIFT圖像特征匹配的衛(wèi)星裝配工件快速識(shí)別方法。
[0005] 本發(fā)明解決其技術(shù)問(wèn)題是采取以下技術(shù)方案實(shí)現(xiàn)的：
[0006] -種基于SIFT圖像特征匹配的衛(wèi)星裝配工件快速識(shí)別方法，包括以下步驟：
[0007] 步驟1、采集工件圖像并建立標(biāo)準(zhǔn)化圖像的工件特征模型庫(kù)；
[0008] 步驟2、采用攝像裝置對(duì)待識(shí)別的工件進(jìn)行拍照；
[0009] 步驟3、采用SIFT算法對(duì)采集到的圖像和工件特征模型庫(kù)中的圖像進(jìn)行快速識(shí)別；
[0010] 步驟4、剔除誤匹配特征點(diǎn)獲得穩(wěn)定特征匹配點(diǎn)；
[0011] 步驟5、完成圖像匹配，進(jìn)而識(shí)別出該工件。
[0012] 所述步驟1的具體實(shí)現(xiàn)方法為:采集不同光照條件與不同方位的工件圖像，以標(biāo)準(zhǔn) 工況的參考圖像為基準(zhǔn)，構(gòu)建標(biāo)準(zhǔn)化圖像的工件特征模型庫(kù)。
[0013] 所述步驟2的具體實(shí)現(xiàn)方法為:利用紅外裝置檢測(cè)到工件后，由拍攝裝置對(duì)該待識(shí) 別工件進(jìn)行拍照采樣，并存儲(chǔ)到內(nèi)存當(dāng)中。
[0014] 所述步驟3的具體實(shí)現(xiàn)方法包括以下步驟：
[0015] 步驟⑴、極值點(diǎn)的檢測(cè):搜索所有尺度上的圖像位置，通過(guò)高斯微分函數(shù)來(lái)識(shí)別潛 在的對(duì)于尺度和旋轉(zhuǎn)不變的興趣點(diǎn)；
[0016] 步驟⑵、關(guān)鍵點(diǎn)定位:在每個(gè)候選的位置上，通過(guò)一個(gè)擬合精細(xì)的模型來(lái)確定位置 和尺度；
[0017] 步驟⑶、方向確定:基于圖像局部的梯度方向，分配給每個(gè)關(guān)鍵點(diǎn)位置一個(gè)或多個(gè) 方向，所有后面對(duì)圖像數(shù)據(jù)的操作都相對(duì)于關(guān)鍵點(diǎn)的方向、尺度和位置進(jìn)行變換；
[0018] 步驟⑷、關(guān)鍵點(diǎn)描述:在每個(gè)關(guān)鍵點(diǎn)周圍的鄰域內(nèi)，在選定的尺度上測(cè)量圖像局部 的梯度。
[0019] 所述步驟4是采用RANSAC算法剔除誤匹配特征點(diǎn)并獲得穩(wěn)定特征匹配點(diǎn)。
[0020] 本發(fā)明的優(yōu)點(diǎn)和積極效果是：
[0021] 本發(fā)明通過(guò)建立多方位圖像采集的工件特征模型庫(kù)并對(duì)待識(shí)別工件進(jìn)行拍照，通 過(guò)SIFT算法的圖像特征進(jìn)行快速匹配并剔除誤配點(diǎn)，實(shí)現(xiàn)在衛(wèi)星裝配的過(guò)程中，對(duì)所需工 件進(jìn)行快速、穩(wěn)定、準(zhǔn)確的識(shí)別功能，提高了衛(wèi)星裝配過(guò)程的自動(dòng)化程度，具有魯棒性高、穩(wěn) 定性強(qiáng)、快速正確等特點(diǎn)。
【附圖說(shuō)明】
[0022]圖1是本發(fā)明的處理流程圖；
[0023]圖2是本發(fā)明建立的標(biāo)準(zhǔn)圖像；
[0024]圖3是本發(fā)明采集的圖像；
[0025] 圖4是本發(fā)明對(duì)圖像特征點(diǎn)提取后的圖像；
[0026] 圖5是本發(fā)明采用SIFT進(jìn)行圖像匹配的結(jié)果示意圖。
【具體實(shí)施方式】
[0027] 以下結(jié)合附圖對(duì)本發(fā)明實(shí)施例做進(jìn)一步詳述：
[0028] 一種基于SIFT圖像特征匹配的衛(wèi)星裝配工件快速識(shí)別方法，如圖1所示，包括以下 步驟：
[0029] 步驟1，建立基于多個(gè)角度、多種光照等不同因素下圖像采集的工件特征模型庫(kù)。
[0030] 在本步驟中，針對(duì)衛(wèi)星裝配中典型工件因光照變化、目標(biāo)仿射變換和物體干擾、遮 擋等導(dǎo)致圖像非線性問(wèn)題，采集不同光照條件與不同方位的工件圖像，以標(biāo)準(zhǔn)工況的參考 圖像為基準(zhǔn)，構(gòu)建標(biāo)準(zhǔn)化圖像特征模型庫(kù)。
[0031] 步驟2,采用攝像裝置對(duì)待識(shí)別的工件進(jìn)行拍照。
[0032] 在本步驟中，利用紅外裝置檢測(cè)到工件后，觸發(fā)拍攝裝置，由該拍攝裝置對(duì)該待識(shí) 別工件進(jìn)行拍照采樣得到標(biāo)準(zhǔn)圖像(如圖2所示），并存儲(chǔ)到內(nèi)存當(dāng)中。
[0033] 步驟3,采用SIFT算法對(duì)采集到的圖像和工件特征模型庫(kù)中的圖像進(jìn)行快速識(shí)別。 [0034]在本步驟中，針對(duì)衛(wèi)星大部件儀器裝配過(guò)程存在光照影響、局部遮擋等強(qiáng)非線性 問(wèn)題，采用SIFT算法對(duì)模擬圖像進(jìn)行特征的快速匹配。SIFT算法包括如下四個(gè)步驟：
[0035] (1)極值點(diǎn)的檢測(cè):搜索所有尺度上的圖像位置，通過(guò)高斯微分函數(shù)來(lái)識(shí)別潛在的 對(duì)于尺度和旋轉(zhuǎn)不變的興趣點(diǎn)。具體方法如下：
[0036] 對(duì)圖像進(jìn)行極值點(diǎn)的檢測(cè)，需要構(gòu)建高斯金字塔。將原始圖像不斷降階采樣，得到 高斯金字塔。高斯金字塔的構(gòu)建分為兩部分:①對(duì)圖像做不同尺度的高斯模糊;②對(duì)圖像做 降采樣(隔點(diǎn)采樣）。其中，圖像的尺度空間L(x，y， 〇)定義為一個(gè)變化尺度的高斯函數(shù)G(x， 7,〇)與原函數(shù)1(叉，7)的卷積：1(叉，7,〇)=6(叉，7,〇)*1(1，7) ;其中，
L〇〇37」將金字塔分為不同層數(shù)，并且，每層又分為幾張圖片。使用高斯金字塔每組中相鄰 上下兩層圖像相減，得到高斯差分圖像，得到高斯差分函數(shù)DOG。關(guān)鍵點(diǎn)是由DOG空間的局部 極值點(diǎn)組成的，關(guān)鍵點(diǎn)的初步探查是通過(guò)同一組內(nèi)各DOG相鄰兩層圖像之間比較完成的。
[0038] (2)關(guān)鍵點(diǎn)定位:在每個(gè)候選的位置上，通過(guò)一個(gè)擬合精細(xì)的模型來(lái)確定位置和尺 度。關(guān)鍵點(diǎn)定位的具體方法為：
[0039] 關(guān)鍵點(diǎn)的選擇依據(jù)于它們的穩(wěn)定程度。通過(guò)步驟(1)檢測(cè)到的極值點(diǎn)是離散空間的 極值點(diǎn)，通過(guò)擬合三維二次函數(shù)來(lái)精確確定關(guān)鍵點(diǎn)的位置和尺度，同時(shí)去除低對(duì)比度的關(guān)鍵 點(diǎn)和不穩(wěn)定的邊緣響應(yīng)點(diǎn)，以增強(qiáng)匹配穩(wěn)定性、提高抗噪聲能力。通過(guò)對(duì)尺度空間DoG函數(shù) 進(jìn)行曲線擬合以提高關(guān)鍵點(diǎn)的穩(wěn)定性。擬合函數(shù)為：
其 中，X= (x，y，〇)T。求導(dǎo)并讓方程等于零，可以得到極值點(diǎn)的偏移量為：
對(duì)應(yīng)極值點(diǎn)，方程的值為
[0040] (3)方向確定：基于圖像局部的梯度方向，分配給每個(gè)關(guān)鍵點(diǎn)位置一個(gè)或多個(gè)方 向。所有后面的對(duì)圖像數(shù)據(jù)的操作都相對(duì)于關(guān)鍵點(diǎn)的方向、尺度和位置進(jìn)行變換，從而提供 對(duì)于這些變換的不變性。具體方法為：
[0041 ]為了使描述符具有旋轉(zhuǎn)不變性，需要利用圖像的局部特征為給每一個(gè)關(guān)鍵點(diǎn)分配一 個(gè)基準(zhǔn)方向。使用圖像梯度的方法求取局部結(jié)構(gòu)的穩(wěn)定方向。對(duì)于在DOG金字塔中檢測(cè)出的關(guān) 鍵點(diǎn)，梯度的模值和方向?yàn)椋?br>在完成關(guān)鍵點(diǎn)的梯度計(jì)算后，使用直方圖統(tǒng)計(jì)鄰域內(nèi)像素的梯度和方向。方向直方圖的峰 值則代表了該特征點(diǎn)處鄰域梯度的方向，以直方圖中最大值作為該關(guān)鍵點(diǎn)的主方向。
[0042] (4)關(guān)鍵點(diǎn)的特征描述:在每個(gè)關(guān)鍵點(diǎn)周圍的鄰域內(nèi)，在選定的尺度上測(cè)量圖像局 部的梯度，這些梯度被變換成一種表示，這種表示允許比較大的局部形狀的變形和光照變 化(如圖3所示）。
[0043] 用一組向量為每個(gè)關(guān)鍵點(diǎn)建立一個(gè)描述符，使其不隨各種變化而改變，比如光照 變化、視角變化等等。SIFT描述子是關(guān)鍵點(diǎn)鄰域高斯圖像梯度統(tǒng)計(jì)結(jié)果的一種表示。對(duì)關(guān)鍵 點(diǎn)周圍圖像區(qū)域分塊，生成具有獨(dú)特性的向量，這個(gè)向量是該區(qū)域圖像信息的一種抽象，具 有唯一性。其描述子使用在關(guān)鍵點(diǎn)尺度空間內(nèi)4*4的窗口中計(jì)算的8個(gè)方向的梯度信息，共 4*4*8 = 128維向量表征。
[0044] 將關(guān)鍵點(diǎn)附近的鄰域劃分為4*4個(gè)子區(qū)域，計(jì)算每個(gè)子區(qū)域的像素的梯度大小：
[0045]
插值計(jì)算每個(gè)種子點(diǎn)八個(gè)方向的梯度：
式中W為上述像素梯度），對(duì)上述128 個(gè)關(guān)鍵點(diǎn)的梯度信息進(jìn)行歸一化處理，歸一化后的特征向量為L(zhǎng)=U^l2, ...，1128)則
[0046] 步驟4,獲取穩(wěn)定的匹配點(diǎn)，剔除誤配點(diǎn)。
[0047] 采用RANSAC算法剔除誤匹配特征點(diǎn)獲得穩(wěn)定特征匹配點(diǎn)，建立仿射變換模型估算 目標(biāo)的仿射變換參數(shù)和均方根誤差RMSE，以均方根誤差作為特征點(diǎn)匹配準(zhǔn)確率的評(píng)價(jià)指 標(biāo)，以驗(yàn)證該算法的可行性和準(zhǔn)確性。
[0048] 通過(guò)以上步驟完成特征點(diǎn)的提取，得到圖像特征點(diǎn)提取后的圖像，如圖4所示的。
[0049] 步驟5,當(dāng)圖像匹配完成，進(jìn)而識(shí)別出該工件，如圖5所示。
[0050] 通過(guò)以上步驟實(shí)現(xiàn)了工件的識(shí)別，進(jìn)而觸發(fā)預(yù)設(shè)程序，驅(qū)動(dòng)機(jī)械系統(tǒng)對(duì)工件進(jìn)行 抓取。
[0051] 需要強(qiáng)調(diào)的是，本發(fā)明所述的實(shí)施例是說(shuō)明性的，而不是限定性的，因此本發(fā)明包 括并不限于【具體實(shí)施方式】中所述的實(shí)施例，凡是由本領(lǐng)域技術(shù)人員根據(jù)本發(fā)明的技術(shù)方案 得出的其他實(shí)施方式，同樣屬于本發(fā)明保護(hù)的范圍。
【主權(quán)項(xiàng)】
1. 一種基于SIFT圖像特征匹配的衛(wèi)星裝配工件快速識(shí)別方法，其特征在于包括以下步 驟： 步驟1、采集工件圖像并建立標(biāo)準(zhǔn)化圖像的工件特征模型庫(kù)； 步驟2、采用攝像裝置對(duì)待識(shí)別的工件進(jìn)行拍照； 步驟3、采用SIFT算法對(duì)采集到的圖像和工件特征模型庫(kù)中的圖像進(jìn)行快速識(shí)別； 步驟4、剔除誤匹配特征點(diǎn)獲得穩(wěn)定特征匹配點(diǎn)； 步驟5、完成圖像匹配，進(jìn)而識(shí)別出該工件。2. 根據(jù)權(quán)利要求1所述的一種基于SIFT圖像特征匹配的衛(wèi)星裝配工件快速識(shí)別方法， 其特征在于:所述步驟1的具體實(shí)現(xiàn)方法為:采集不同光照條件與不同方位的工件圖像，以 標(biāo)準(zhǔn)工況的參考圖像為基準(zhǔn)，構(gòu)建標(biāo)準(zhǔn)化圖像的工件特征模型庫(kù)。3. 根據(jù)權(quán)利要求1所述的一種基于圖像特征匹配的衛(wèi)星裝配工件快速識(shí)別方法，其特 征在于:所述步驟2的具體實(shí)現(xiàn)方法為:利用紅外裝置檢測(cè)到工件后，由拍攝裝置對(duì)該待識(shí) 別工件進(jìn)行拍照采樣，并存儲(chǔ)到內(nèi)存當(dāng)中。4. 根據(jù)權(quán)利要求1所述的一種基于圖像特征匹配的衛(wèi)星裝配工件快速識(shí)別方法，其特 征在于:所述步驟3的具體實(shí)現(xiàn)方法包括以下步驟： 步驟⑴、極值點(diǎn)的檢測(cè):搜索所有尺度上的圖像位置，通過(guò)高斯微分函數(shù)來(lái)識(shí)別潛在的 對(duì)于尺度和旋轉(zhuǎn)不變的興趣點(diǎn)； 步驟⑵、關(guān)鍵點(diǎn)定位:在每個(gè)候選的位置上，通過(guò)一個(gè)擬合精細(xì)的模型來(lái)確定位置和尺 度； 步驟⑶、方向確定：基于圖像局部的梯度方向，分配給每個(gè)關(guān)鍵點(diǎn)位置一個(gè)或多個(gè)方 向，所有后面對(duì)圖像數(shù)據(jù)的操作都相對(duì)于關(guān)鍵點(diǎn)的方向、尺度和位置進(jìn)行變換； 步驟⑷、關(guān)鍵點(diǎn)描述:在每個(gè)關(guān)鍵點(diǎn)周圍的鄰域內(nèi)，在選定的尺度上測(cè)量圖像局部的梯 度。5. 根據(jù)權(quán)利要求1所述的一種基于圖像特征匹配的衛(wèi)星裝配工件快速識(shí)別方法，其特 征在于:所述步驟4是采用RANSAC算法剔除誤匹配特征點(diǎn)并獲得穩(wěn)定特征匹配點(diǎn)。
【文檔編號(hào)】G06K9/46GK106056121SQ201610362095
【公開(kāi)日】2016年10月26日
【申請(qǐng)日】2016年5月27日
【發(fā)明人】張建暢, 李晗, 張小俊, 孫凌宇
【申請(qǐng)人】河北工業(yè)大學(xué)