基于数据的局部离散点多维特征融合匹配方法及实验平台

技术领域

本发明涉及航天航空技术领域，特别是一种基于数据的局部离散点多维特征融合匹配方法及实验平台。

背景技术

近年来图像匹配蓬勃发展，是计算机视觉、航空航天领域的重要发展方向之一，并得到了广泛应用。通过图像中的点特征数据进行匹配，是图像匹配中的重要环节之一，其中基于数据的离散点匹配尤为重要。在对地景象匹配、星光导航等领域内，基于点特征的匹配过程常涉及局部离散点图在全局球面离散点图中的位置识别与匹配。因此，抗扰动、高精度的离散点匹配算法是此领域内的关键技术。该算法的关键在于对局部离散点数据的特征构建和融合匹配。

目前局部离散点匹配主要基于单一的角距特征匹配，其中三角形算法由于计算复杂度低、可移植性强的特点，得到了工程上的广泛应用。但是基于单一特征匹配的算法由于特征维数低，特征冗余和误匹配现象严重，最终导致匹配算法精度低、抗扰动能力差。当前提出了诸多基于离散点的多特征三角形匹配算法，图中任意三颗导航星的组合全部需要遍历组合，并构建多种特征信息，当视场范围内(即图中)点数目为n时，需要遍历搜索组合数目为C

传统的离散点匹配算法多适用于低噪声或无噪声的局部离散点数据匹配，而对实际匹配过程中出现的强噪声、位置关系扰动等情况缺乏适应性，针对此不足，目前尚无完善的基于离散点数据的匹配实验平台，其中的匹配算法部分难以实现强抗扰能力、高精度、低计算复杂度的匹配识别。

发明内容

针对现有技术的不足，本发明的目的在于提供一种基于数据的局部离散点多维特征融合匹配实验平台。

本发明解决所述技术问题采用的技术方案是：

第一方面，本发明提供一种基于数据的局部离散点多维特征融合匹配方法，该方法的过程是：

获取全局球面离散点坐标数据和待匹配的局部离散点数据，并为全局球面离散点坐标数据中的每个全局球面离散点进行编号，设定匹配参数；

构建多维特征标准库：

以导入的全局球面离散点坐标数据为基准计算任意两全局球面离散点间的三维角距，并获得三维角距的正弦值，即为正弦角距，任意定两个全局球面离散点的编号分别为主离散点编号和副离散点编号，以主离散点编号和副离散点编号形成二维表格，二维表格内容为主离散点和副离散点间的正弦角距，将所有任意两全局球面离散点间的正弦角距存入二维表格即获得正弦角距匹配搜索表，作为基于两离散点正弦角距匹配的标准特征库；

以每一全局球面离散点为中心，选择与其三维角距最小的两个全局球面离散点形成夹角，以当前全局球面离散点与角距最小的全局球面离散点间的连线为边计算夹角大小作为当前全局球面离散点的夹角度数，以所有全局球面离散点和对应的夹角度数构建一维夹角匹配搜索表，作为三离散点匹配的标准特征库；

以每一全局球面离散点为中心，选择与其三维角距最小的三个全局球面离散点形成四边形，以相邻两全局球面离散点的三维角距值为边长，计算四边形四条边的和，即为边长和，也就是这四个全局球面离散点的角距和，以所有全局球面离散点和对应角距和构建一维角距和匹配搜索表，作为四离散点匹配的标准特征库；

至此完成多维特征标准库的构建；

分别获得待匹配的局部离散点数据的正弦角距、夹角度数、角距和特征值，分别在上述的正弦角距匹配搜索表、一维夹角匹配搜索表、一维角距和匹配搜索表中进行搜索匹配，分别获得相应的局部离散点图；

利用ICP点云配准方式对获得的三种局部离散点图进行特征融合，获得最终的匹配结果。

第二方面，本发明提供一种基于数据的局部离散点多维特征融合匹配方法，用于对地景象匹配或星光导航中局部离散点的匹配中，该方法的过程是：

获取对地景象匹配或星光导航的全局球面离散点坐标数据和待匹配的局部离散点数据，并为全局球面离散点坐标数据中的每个全局球面离散点进行编号，设定匹配参数；

构建多维特征标准库：

以导入的全局球面离散点坐标数据为基准计算任意两全局球面离散点间的三维角距，并获得三维角距的正弦值，即为正弦角距，任意选取两个全局球面离散点的编号分别为主离散点编号和副离散点编号，以主离散点编号和副离散点编号形成二维表格，二维表格内容为主离散点和副离散点间的正弦角距，将所有任意两全局球面离散点间的正弦角距存入二维表格即获得正弦角距匹配搜索表，作为基于两离散点正弦角距匹配的标准特征库；

以每一全局球面离散点为中心，选择与其三维角距最小的两个全局球面离散点形成夹角，以当前全局球面离散点与角距最小的全局球面离散点间的连线为边，计算形成的夹角的夹角度数，以所有全局球面离散点和对应的夹角度数构建一维夹角匹配搜索表，作为三离散点匹配的标准特征库；

以每一全局球面离散点为中心，选择与其三维角距最小的三个全局球面离散点形成四边形，以相邻两全局球面离散点的三维角距值为边长，计算四边形四条边的和，即为边长和，也就是这四个全局球面离散点的角距和，以所有全局球面离散点和对应角距和构建一维角距和匹配搜索表，作为四离散点匹配的标准特征库；

至此完成对地景象匹配或星光导航的多维特征标准库的构建；

分别获得待匹配的局部离散点数据的正弦角距、夹角度数、角距和特征值，分别在上述的正弦角距匹配搜索表、一维夹角匹配搜索表、一维角距和匹配搜索表中进行搜索匹配，分别获得相应的局部离散点图；

对获得的三种局部离散点图进行特征融合，获得最终的匹配结果，实现对地景象匹配或星光导航中局部离散点的匹配。

第三方面，本发明提供一种基于数据的局部离散点多维特征融合匹配实验平台，其特征是：该实验平台包括多维特征标准库、单一特征局部离散点匹配模块、多维特征融合匹配模块；

所述多维特征标准库包含至少三个独立特征的标准特征库；

所述单一特征局部离散点匹配模块用于对待匹配的局部离散点数据计算得到的单一特征值与相应的独立特征的标准特征库的搜索匹配；

所述多维特征融合匹配模块包含特征融合和ICP离散点配准，所述ICP离散点配准用于离散点群配准及量化两离散点群间的欧式距离和；在独立特征匹配结果出来之后在后端进行融合，以一种独立特征的匹配结果为基础，依次由其他的独立特征的标准库获得的匹配结果进行循环替换，每完成一次结果的替换，对替换后的匹配结果和原始输入的局部离散点使用ICP点云配准算法，计算对应的两离散点间的欧氏距离，求取所有对应离散点的欧式距离和，保留具有最小距离和的匹配结果作为最终匹配结果。

优选地，所述多维特征标准库包括基于两离散点正弦角构建的基于两离散点正弦角距匹配的标准特征库、基于三离散点相对位置关系构建的三离散点匹配的标准特征库、基于四离散点位置构建的四离散点匹配的标准特征库，三个标准特征库分别独立用于局部离散点数据的特征搜索与匹配；

多维特征融合匹配模块是一种基于三次单一特征独立匹配结果的替换融合过程，基于两离散点正弦角距的匹配结果依次由基于三点夹角与基于四点角距和的匹配结果替换，以最小化离散点群间欧式距离和，产生多维特征融合匹配结果。

所述实验平台的软件界面包含参数设定区域、数据导入区域、单一特征匹配区域和多维特征匹配区域，参数设定区域包括焦距、视野范围、图像尺寸、匹配精度四个文本框，数据导入区域包括导入全局球面离散点数据按钮和导入局部离散点数据按钮；所述单一特征匹配区域包括两点正弦角距匹配按钮、三点夹角匹配按钮、四点角距和匹配按钮，三次匹配结果分别显示在对应按钮下方的坐标区内；所述多维特征匹配区域包括多维特征匹配按钮、多维特征融合匹配结果坐标区。

本申请中所述多维特征标准库包含至少三个独立特征值的标准特征库，三个独立特征指相互之间独立匹配，匹配结果无重叠。

第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时可实现上述基于数据的局部离散点多维特征融合匹配方法的步骤。

本发明的有益效果是：

(1)本发明采用了ICP算法对匹配结果与初始局部离散点图完成了点群的配准，并使用匹配结果离散点群与待匹配离局部散点群间的欧氏距离和量化了在多特征融合条件下的匹配结果与原图间的差。

(2)本发明利用多种离散点间的相对位置关系，基于正弦角距的匹配属于单一主离散点匹配，基于夹角、和角距和的匹配属于基于单视场的多主离散点匹配，构建了多种位置特征标准库，可以提供灵活、多样的匹配方式，为多维特征融合提供先决条件。

(3)本发明提出的多维特征融合匹配由于先基于单个特征独立匹配，对匹配结果后端融合，因此无需遍历所有组合，当图中含有100颗星时，仅需100*3＝300次组合匹配即可，降低了计算复杂度，此外仅需要一个二维的正弦角距库，两个一维的特征库，特征库容量极大的减小，本发明改进了原有基于单一特征匹配算法的精度低和抗扰动能力差的问题，同时解决了现有多特征匹配算法特征库容量高、复杂度高的问题，实现了含噪声条件下的局部离散点高精度匹配，在面对成像过程中带来的图像畸变、噪声等强噪声、位置关系扰动影响下仍能具有较好的匹配精度。

(4)本发明实验平台通过对局部离散点数据的焦距、视野范围、图像尺寸和匹配精度参数的设置，基于局部离散点的坐标数据计算离散点间的角距。以角距表征离散点间距离，引入正弦角距、夹角、角距和三项位置特征刻画离散点间相对位置关系。使用了多种独立的离散点位置特征进行匹配，因此相比基于单一特征的拥有了较强的对噪声的适应性。通过基于三项独立相对位置关系特征的融合匹配，完成局部离散点数据在球面全局球面离散点数据中的位置区域匹配，实现在含噪声条件下匹配精度高于98％的高精度要求，库容较低、且计算速度快，降低了复杂度。本申请由于局部离散点位置数据相较于全局球面离散点构建的标准特征库，有着噪声的扰动，但是依然可以实现高于98％的匹配精度，证明了本发明对噪声扰动的适应性。

附图说明

图1为本发明基于数据的局部离散点多维特征融合匹配方法的过程示意图；

图2为本发明的ICP点云配准算法的流程示意图；

图3为本发明的全局球面离散点极坐标和局部离散点图像坐标图；

图4为本发明的实验平台界面图。

具体实施方式

下面结合实施例及附图内容对本发明的技术方案进行清楚完整的描述及说明，但并不以此作为本申请保护范围的限定。

如图1所示，本发明基于数据的局部离散点多维特征融合匹配方法，该方法通过基于全局球面离散点构建了多维标准特征库，包括基于两点正弦角距构建的标准特征库、基于三点夹角构建的标准特征库、基于四点角距和构建的标准特征库，局部离散点数据特征分别与相应的标准库进行匹配，分别获得匹配结果，通过循环替换匹配结果，利用ICP配准实现最小化点群间距离和，实现局部离散点在全局球面离散点集中的定位匹配。

本发明基于数据的局部离散点多维特征融合匹配实验平台，包括多维特征标准库、单一特征局部离散点匹配模块、多维特征融合匹配模块、显示部、数据获取部，实现对含噪声局部离散点在球面全局球面离散点中的位置高精度匹配。

所述数据获取部用于获取全局球面离散点坐标数据和待匹配的局部离散点数据，并为全局球面离散点坐标数据中的每个全局球面离散点进行编号；

所述显示部用于输入局部离散点的参数数据，包括焦距、视野范围、图像尺寸和匹配精度等，并显示各操作中的输出结果；

所述多维特征标准库包括正弦角距匹配搜索表、一维夹角匹配搜索表、一维角距和匹配搜索表，

以导入的全局球面离散点坐标数据为基准计算任意两全局球面离散点间的三维角距，并获得三维角距的正弦值，即为正弦角距，任意定两个全局球面离散点的编号分别为主离散点编号和副离散点编号，以主离散点编号和副离散点编号形成二维表格，二维表格内容为主离散点和副离散点间的正弦角距，将所有任意两全局球面离散点间的正弦角距存入二维表格即获得正弦角距匹配搜索表，作为基于两离散点正弦角距匹配的标准特征库；

以每一全局球面离散点为中心，选择与其三维角距最小的两个全局球面离散点形成夹角，以当前全局球面离散点与角距最小的全局球面离散点间的连线为边计算夹角大小作为当前全局球面离散点的夹角度数，以所有全局球面离散点和对应的夹角度数构建一维夹角匹配搜索表，作为三离散点匹配的标准特征库；

以每一全局球面离散点为中心，选择与其三维角距最小的三个全局球面离散点形成四边形，以相邻两全局球面离散点的三维角距值为边长，计算四边形四条边的和，即为边长和，也就是这四个全局球面离散点的角距和，以所有全局球面离散点和对应角距和构建一维角距和匹配搜索表，作为四离散点匹配的标准特征库；

单一特征局部离散点匹配模块中以导入的局部离散点图像坐标数据和输入的局部离散点匹配参数为基础，所述局部离散点的匹配参数包括焦距、视野范围、图像尺寸和匹配精度，基于匹配参数和局部离散点坐标，以靠近成像平面中心点的局部离散点为匹配主离散点，匹配主离散点以外的局部离散点为匹配副离散点，计算匹配主离散点与匹配副离散点间的二维角距，进而获得二维角距的正弦值，以该正弦值为正弦角距，结合匹配参数，以局部离散点获得的正弦角距在正弦角距匹配搜索表中进行搜索匹配，当正弦角距值小于设定匹配精度则匹配成功，并记录从正弦角距匹配搜索表中获得的匹配主离散点和匹配副离散点的相应编号；若没有匹配成功，则将匹配主离散点和匹配副离散点的编号都记为对应正弦角距下与正弦角距匹配搜索表中主离散点相同的编号；

同时计算每一局部离散点的夹角度数、角距和特征值，结合匹配参数，分别在一维夹角匹配搜索表、一维角距和匹配搜索表中遍历搜索匹配，当特征值满足匹配精度要求即视为基于该特征匹配完成，以相应搜索表中的离散点编号作为当前局部离散点的编号；

多维特征融合匹配模块用于在所有基于单一特征的匹配完成后，基于匹配结果进行循环替换，每完成一次结果的替换，对替换后的匹配结果和原始输入的局部离散点使用ICP点云配准算法，计算对应的两离散点间的欧氏距离，求取所有对应离散点(所有离散点构成离散点群)的欧式距离和，保留具有最小距离和的匹配结果作为最终匹配结果。

优选地，所述正弦角距匹配搜索表是以球面全局球面离散点极坐标数据为基础，并基于极坐标计算每一全局球面离散点与其它全局球面离散点的正弦角距特征获得的，在基于正弦角距进行匹配时，在该表中进行搜索。本申请中共构建三个标准特征库，用于三项独立的匹配。

本申请中局部离散点是成像平面上的离散点，全局球面离散点是球面上所有的离散点。球面为三维，球面上两离散点间的角距是三维角距。成像平面为二维，平面上两离散点间的角距为二维角距。二维角距的正弦值和三维角距的正弦值均为正弦角距。

本发明使用三维球面坐标定义全局球面离散点的三维坐标。以球面坐标系原点为球心，生成半径为r的球面，在该球面上的全局球面离散点球坐标为

其中，acos为反余弦函数；d

以每一全局球面离散点为中心，选择与其角距最小的两个全局球面离散点形成夹角，以当前全局球面离散点与角距最小的(指与当前离散点距离最近的两个离散点，三点形成一个夹角)两全局球面离散点间的连线为边计算夹角大小作为当前离散点的夹角度数，以所有全局球面离散点和对应的夹角度数构建一维夹角匹配搜索表，作为三离散点匹配的标准特征库。

以每一全局球面离散点为中心，选择与其角距最小的三个全局球面离散点形成四边形，以相邻两全局球面离散点的三维角距值为边长，计算四边形四条边的和，即为边长和，就是这四个全局球面离散点的角距和，一个离散点和距离最近的三个点组成了四边形，四边形边长不一定相等，以所有全局球面离散点和对应角距和构建一维角距和匹配搜索表，作为四离散点匹配的标准特征库。

导入全局球面离散点坐标数据，并完成三个标准特征库(基于两离散点正弦角距匹配的标准特征库、三离散点匹配的标准特征库、四离散点匹配的标准特征库)的构建后，在实验平台中设定匹配参数，包括焦距f、视野范围α、图像尺寸

匹配参数设定后在实验平台中导入局部离散点坐标数据，设两局部离散点分别为M’(x

其中，d

以每一局部离散点为中心，与其二维角距最小的两局部离散点的连线为边形成该局部离散点的夹角。设局部离散点为P’(x

遍历每一局部离散点计算夹角并在一维夹角匹配搜索表中搜索与其最接近结果，一维夹角匹配搜索表中与其夹角最接近的相应全局球面离散点的编号，以该全局球面离散点的编号作为其匹配结果。

以每一局部离散点为中心，与其二维角距最小的三个局部离散点和该局部离散点形成四边形。以两局部离散点间二维角距为边长，计算该四边形边长和，并在一维角距和匹配搜索表中搜索最接近角距和结果，以角距和最接近的全局球面离散点的编号作为该局部离散点匹配结果。

两离散点间的正弦角距是一个位置特征，三离散点的夹角是一个位置特征，四离散点的角距和是一个位置特征，通过上述基于三次单一位置特征配结果分别获得相应的局部离散点图，显示在实验平台的显示部的三个匹配结果显示框中。待三次单一特征匹配结果显示后，可进行多维特征融合匹配。

以基于两离散点正弦角距匹配的标准特征库的匹配结果为基础，使用三离散点匹配的标准特征库的匹配结果和四离散点匹配的标准特征库的匹配结果对每一离散点循环替换(先使用两离散点匹配结果(即通过正弦角距匹配搜索表匹配后获得的局部离散点图)为基础，每次在两离散点匹配结果中选出一个离散点使用三点匹配结果获得的相应离散点的编号(即通过一维夹角匹配搜索表匹配后获得的局部离散点图)进行替换，再使用四点匹配结果获得的相应离散点的编号(即通过一维角距和匹配搜索表匹配后获得的局部离散点图)进行替换，如果匹配指标(欧氏距离的和)更好则保留替换结果，若指标变差则不保留替换结果，对所有离散点均完成一遍该过程)。每一次离散点替换后，对替换后的匹配结果图和原始输入的局部离散点图进行ICP点云配准，使用最小二乘估计最优变换矩阵作为目标函数如下：

其中，E为目标函数，R和t分别为旋转、平移矩阵，N

ICP算法配准流程如图2，通过求取初始待匹配局部离散点群与匹配结果离散点集之间的对应点对，基于对应点对构造旋转平移矩阵，计算变换后两点群间的目标函数作为匹配误差，迭代运算直至最小化误差值。当ICP配准完成后计算当前匹配结果的最小误差值，保留具有最小误差的匹配结果。ICP配准完成后已完成图2中的流程，不再改变R和t矩阵。当对所有离散点均替换一遍后，即获得基于多维特征融合的局部离散点匹配结果，若半数以上离散点匹配准确，即可通过匹配结果确定对应的离散点所在球面区域，确定待匹配的局部离散点集在全局球面中的位置。

图3中左图的球面包含了10280个随机生成的离散点，此为全局球面离散点数据，右图为以视野范围20°、图像尺寸1024*1024px和焦距512/tan(10°)的参数随机生成1000个包含随机伪离散点噪声和随机位置偏移噪声的离散点图像坐标数据的局部离散点集，设定匹配精度为1/f。将包含10280个随机离散点的全局球面离散点数据导入图4的实验平台中，再依次导入1000个局部离散点集，并进行多维特征融合匹配，最终在含噪声条件下达到98.3％的匹配准确率。

证明该实验平台可以基于多个单一位置特征对局部离散点在全局球面离散点集中的位置区域进行匹配识别，并实现了基于多维离散点位置特征的融合匹配，并能够在含噪声条件下，对超一万个随机离散点的位置区域达到高于98％的匹配准确率。

所述显示部可以采用显示器、工业电脑、液晶触摸屏等，图4为实验平台的软件界面，也就是显示部所呈现的内容，包含参数设定区域、数据导入区域、单一特征匹配区域和多维特征匹配区域。在焦距、视野范围、图像尺寸、匹配精度四个文本框中输入匹配参数后，分别点击导入全局球面离散点数据和导入局部离散点数据两个按钮，即可完成数据导入。依次点击两点正弦角距匹配按钮、三点夹角匹配按钮、四点角距和匹配按钮，三次匹配结果分别显示在对应按钮下方的坐标区内。两点正弦角距匹配结果上方的坐标区内绘制两点匹配结果，三点夹角匹配结果上方的坐标区内绘制三点匹配结果，四点角距和匹配结果上方的坐标区内绘制四点匹配结果。完成基于单一特征的匹配后，最后点击多维特征匹配按钮，进行基于三次单一特征匹配结果的后端融合及二次匹配，多维特征融合匹配结果左侧的坐标区绘制出最终匹配结果。

本发明实验平台基于全局球面离散点数据，由多维特征信息构建多个标准特征库为匹配标签，以匹配结果离散点与待匹配局部离散点间的欧氏距离和为匹配指标，最后使用ICP方法对匹配结果离散点与待匹配局部离散点进行配准，计算其匹配指标，对各独立匹配结果进行循环替换匹配以最小化匹配指标，完成对基于多维特征匹配结果的后端融合，最终实现局部离散点图在全局球面离散点图中的位置匹配识别。利用三种基于数据构建的离散点位置特征实现对局部离散点的匹配，且能够实现较基于单一特征匹配更高的精度和对噪声的抗扰动。对三种不同匹配方式的结果进行后端融合，使用循环替换的方式组合三项匹配结果，并量化匹配误差，完成多维特征的融合匹配，极大减小了匹配过程中需要的特征信息存储、搜索难度，并简化了特征组合、构建过程，在降低库容提高速度的前提下有效提高了局部离散点匹配精度。

本发明未述及之处适用于现有技术。