一種基於槍球聯動系統的坐標關聯方法及裝置製造方法
2023-05-26 17:31:11
一種基於槍球聯動系統的坐標關聯方法及裝置製造方法
【專利摘要】本發明公開了一種基於槍球聯動系統的坐標關聯方法，該方法包括：針對同一場景，獲取待標定槍機和待標定球機的監控圖像；基於監控圖像生成第一尺度空間圖像集合以及第二尺度空間圖像集合；分別在第一尺度空間圖像集合和第二尺度空間圖像集合中選取極值採樣點，並在不同尺度空間圖像集合中篩選出一定數目的匹配點組合；在匹配點組合中進一步篩選出一定數目的標定點組合；按照標定點組合的坐標獲得槍機與球機監控圖像的標定矩陣；按照獲得的標定矩陣，確定所述第一監控圖像中的指定像素點在所述第二監控圖像中的對應像素點。這樣，可以解決現有技術中存在的計算的標定矩陣存在誤差，從而使得槍機和球機的對應關係不準確，引起聯動跟蹤的失敗的問題。
【專利說明】一種基於槍球聯動系統的坐標關聯方法及裝置
【技術領域】
[0001] 本發明涉及通信領域，尤其涉及一種基於槍球聯動系統的坐標關聯方法及裝置。
【背景技術】
[0002] 近些年，隨著科學技術的發展，智能跟蹤技術也越來越受到通信領域人員的關注， 在越來越多的場合應用到智能跟蹤技術，例如大型展覽館、會議廳以及危險路段。結合智能 跟蹤技術對現場進行監控，可以節省安保人力，同時避免了由於保安人員的流動性造成的 安保漏洞。
[0003] 普通的智能球機只能單純地偵測是否有人闖入，並不能判斷闖入者的動向，而智 能跟蹤球機可以通過對圖像進行差分計算自動識別視覺範圍內物體運動的方向，並自動控 制系統對移動物體進行連續追蹤。
[0004] 槍球聯動跟蹤技術，是以單球機智能跟蹤技術作為基礎的，能夠將普通的跟蹤球 機的單點式監控，提升為系統內對單個目標的無縫式接力跟蹤。
[0005] 槍球聯動跟蹤技術的實現，通過需要設定槍機作為發起點，對廣域範圍內的目標 進行智能行為分析，並將同時監控的多個目標按照既定的策略進行排序，並按照先後順序， 指揮智能跟蹤球機逐個跟蹤監控目標，該技術實現的關鍵點是數據關聯問題，即建立一個 統一的坐標系，使得發起槍機可以將目標的坐標信息傳遞給跟蹤球機，實現聯動跟蹤。
[0006] 現有的槍球聯動跟蹤系統，需要用戶在槍機畫面中選擇一定數目標定點，並在球 機畫面中選擇與槍機畫面中選擇的每一個標定點對應的標定點，在槍機畫面和球機畫面 中選擇的這些標定點作為標定點組合，計算標定矩陣來獲得觀測數據和目標之間的對應關 系，但由於該方法是通過用戶選擇槍機和球機畫面上的標定點組合，所以獲得的標定點坐 標通常存在誤差，進而導致計算的標定矩陣存在誤差，從而使得槍機和球機的對應關係不 準確，引起聯動跟蹤的失敗。
【發明內容】
[0007] 本發明實施例提供一種基於槍球聯動系統的坐標關聯方法及裝置，用以解決現有 技術中存在的計算的標定矩陣存在誤差，從而使得槍機和球機的對應關係不準確，引起聯 動跟蹤的失敗的問題。
[0008] 本發明實施例提供的具體技術方案如下：
[0009] 第一方面，一種基於槍球聯動系統的坐標關聯方法，包括：
[0010] 針對同一場景，獲取待標定槍機的第一監控圖像和待標定球機的第二監控圖像；
[0011] 基於所述第一監控圖像生成第一尺度空間圖像集合，以及基於所述第二監控圖像 生成第二尺度空間圖像集合；
[0012] 分別在所述第一尺度空間圖像集合和所述第二尺度空間圖像集合中選取極值採 樣點，並分別在歸屬於第一尺度空間圖像集合的極值採樣點和歸屬於第二尺度空間圖像集 合的極值採樣點中篩選出符合第一設定數目的匹配點組合；
[0013] 在篩選出的匹配點組合中進一步篩選出符合第二設定數目的標定點組合，其中， 所述第二設定數目不少於四，且要求標定點組合在一個平面上，每任意三個標定點組合均 不在一條直線上；
[0014] 按照篩選出的標定點組合的坐標獲得槍機與球機監控圖像的標定矩陣；
[0015] 按照獲得的標定矩陣，確定所述第一監控圖像中的指定像素點在所述第二監控圖 像中的對應像素點。
[0016] 這樣，將獲得的待標定槍機與球機的監控圖像進行處理生成不同的空間圖像集 合，得到極值採樣點，並在不同的空間圖像集合中極值採樣點中進一步篩選出匹配點組合， 然後在匹配點組合中選擇用於獲得槍機與球機監控圖像的標定矩陣的標定點組合，該標定 矩陣即為槍機與球機監控圖像的對應關係，選擇槍機監控圖像上任意像素點，都可以根據 標定矩陣在球機監控圖像中找到該點的對應點，降低了計算誤差，使槍機和球機監控圖像 的對應關係更準確。
[0017] 結合第一方面，在第一種可能的實現方式中，生成第一尺度空間圖像集合，以及第 二尺度空間圖像集合，包括：
[0018] 對所述第一監控圖像進行高斯卷積核處理，將尺度可變高斯函數與第一監控圖像 的空間坐標函數卷積，得到第一尺度空間圖像集合；
[0019] 對所述第二監控圖像進行高斯卷積核處理，將尺度可變高斯函數與第二監控圖像 的空間坐標函數卷積，得到第二尺度空間圖像集合。
[0020] 通過這種方式，可以把普通的二維圖像整理為一組解析度不同的圖像集合，易於 找到圖像中比較穩定的採樣點。
[0021] 結合第一方面的第一種可能的實現方式，在第二種可能的實現方式中，分別在所 述第一尺度空間圖像集合和所述第二尺度空間圖像集合中選取極值採樣點，包括：
[0022] 對第一尺度空間圖像集合進行高斯差分尺度空間處理，將第一尺度空間圖像集合 中不同尺度的高斯差分核與第一監控圖像的空間坐標函數卷積，獲得採樣點；
[0023] 對第二尺度空間圖像集合進行高斯差分尺度空間處理，將第一尺度空間圖像集合 中不同尺度的高斯差分核與第二監控圖像的空間坐標函數卷積，獲得採樣點；
[0024] 將所述第一尺度空間圖像集合中的每一個採樣點分別與其圖像域及尺度域內的 相鄰採樣點進行大小比較，得到第一尺度空間圖像集合中的極值採樣點；
[0025] 將所述第二尺度空間圖像集合中的每一個採樣點分別與其圖像域及尺度域內的 相鄰採樣點進行大小比較，得到第二尺度空間圖像集合中的極值採樣點。
[0026] 通過對採樣點和其相鄰的採樣點進行大小比較，可以找到確保在尺度空間圖像集 合和監控圖像中都能找到極值採樣點。
[0027] 結合第一方面，在第三種可能的實現方式中，分別在歸屬於第一尺度空間圖像集 合的極值採樣點和歸屬於第二尺度空間圖像集合的極值採樣點中篩選出符合第一設定數 目的匹配點組合，包括 ：
[0028] 根據每一個極值採樣點的鄰域的像素點，獲得相應極值採樣點處的梯度模值和梯 度方向；
[0029] 分別根據以每一個極值採樣點為中心的高斯加權範圍內所有像素點的梯度模值 和梯度方向，得到相應極值採樣點的特徵描述算子；
[0030] 分別針對第一尺度空間圖像集合中的每一個極值採樣點，在第二尺度空間圖像集 合中選擇第一極值採樣點和第二極值採樣點，其中，第一尺度空間圖像集合中任意一個極 值採樣點與其對應的第一極值採樣點之間的歐式距離最短，所述任意一個極值採樣點與其 對應的第二極值採樣點之間的歐式距離次短，所述歐式距離是基於兩個極值採樣點的方向 和特徵描述算子計算得到的；
[0031] 根據第一尺度空間圖像集合中每一個極值採樣點與對應的第一極值採樣點之間 的歐式距離和與第二極值採樣點之間的歐式距離的比值，在第一尺度空間圖像集合中的所 有極值採樣點和其各自對應的第一極值點採樣點中，篩選出符合第一設定數目的匹配點組 合。
[0032] 這樣，可以在第二尺度空間圖像集合中的所有極值採樣點中找到，第一尺度空間 圖像集合中每一個極值採樣點之間的歐式距離滿足一定條件的極值採樣點，即為匹配點組 合。
[0033] 結合第一方面的第三種可能的實現方式，在第四種可能的實現方式中，根據每一 個極值採樣點的鄰域的像素點，獲得相應極值採樣點處的梯度模值和梯度方向，包括： [0034] 根據每一個極值採樣點的鄰域像素的梯度方向分布特性，得到該極值採樣點處的 梯度模值和梯度方向；
[0035]或者，
[0036] 採用直方圖統計每一個極值採樣點的鄰域像素的梯度方向，得到該極值採樣點的 梯度方向。
[0037] 通過這種方法，可以得到極值採樣點處的梯度模值和梯度方向，用以計算該極值 採樣點與另一尺度空間圖像集合中極值採樣點的歐式距離。
[0038] 結合第一方面的第三種可能的實現方式，在第五種可能的實現方式中根據第一尺 度空間圖像集合中每一個極值採樣點與對應的第一極值採樣點之間的歐式距離和與第二 極值採樣點之間的歐式距離的比值，在第一尺度空間圖像集合中的所有極值採樣點和其各 自對應的第一極值點採樣點中，篩選出符合第一設定數目的匹配點組合，包括 ：
[0039] 在確定第一尺度空間圖像集合中某一極值採樣點與對應的第一極值採樣點之間 的歐式距離和與對應的第二極值採樣點之間的歐式距離的比值，小於設定閾值時，確定所 述某一極值採樣點與對應的第一極值採樣點為一匹配點組合，並將所述比值確定為該匹配 點組合的相似度參數；
[0040] 將獲得的所有匹配點組合按照相似度參數進行排序，並按照相似度參數從小到大 的順序篩選出符合第一設定數目的匹配點組合。
[0041] 通過相似度的參數與設定閾值的比較，得到符合條件的匹配點組合，並通過相似 度參數排序，得到最相似的匹配點組合。
[0042] 結合第一方面，在第六種可能的實現方式中，在篩選出的匹配點組合中進一步篩 選出符合第二設定數目的標定點組合，包括：
[0043] 其中，若獲得的標定點組合的數目大於二，則選取包含的全部標定點形成的平面 圖形面積最大的標定點組合。
[0044] 通過這種方法，可以篩選可以準確得到槍機與球機監控圖像的標定矩陣的標定點 組合。
[0045] 結合第一方面的上述第一至第四，第六種可能的實現方式中任意一種實現方式， 在第七種可能的實現方式中，按照篩選出的標定點組合的坐標獲得槍機與球機監控圖像的 標定矩陣，包括：
[0046] 根據篩選出的標定點組合中每一個標定點的坐標，運用如下公式獲得槍機與球機 監控圖像的標定矩陣：
[0047] Ah = 0
[0048] 其中，A為標定點組合的坐標矩陣，h為槍機與球機監控圖像的標定矩陣。
[0049] 通過這種方法，可以得到槍機與球機監控圖像的標定矩陣。
[0050] 第二方面，一種基於槍球聯動系統的坐標關聯裝置，包括：
[0051] 獲取單元，用於針對同一場景，獲取待標定槍機的第一監控圖像和待標定球機的 第二監控圖像；
[0052] 處理單元，用於基於所述第一監控圖像生成第一尺度空間圖像集合，以及基於所 述第二監控圖像生成第二尺度空間圖像集合；
[0053] 第一篩選單元，用於分別在所述第一尺度空間圖像集合和所述第二尺度空間圖像 集合中選取極值採樣點，並分別在歸屬於第一尺度空間圖像集合的極值採樣點和歸屬於第 二尺度空間圖像集合的極值採樣點中篩選出符合第一設定數目的匹配點組合；
[0054] 第二篩選單元，用於在篩選出的匹配點組合中進一步篩選出符合第二設定數目的 標定點組合，其中，所述第二設定數目不少於四，且要求標定點組合在一個平面上，每任意 三個標定點組合均不在一條直線上；
[0055] 計算單元，用於按照篩選出的標定點組合的坐標獲得槍機與球機監控圖像的標定 矩陣；
[0056] 運行單元，用於按照獲得的標定矩陣，確定所述第一監控圖像中的指定像素點在 所述第二監控圖像中的對應像素點。
[0057] 通過這種方法，處理單元將獲得的待標定槍機與球機的監控圖像進行處理生成不 同的空間圖像集合，得到極值採樣點，第一篩選單元在不同的空間圖像集合中極值採樣點 中進一步篩選出匹配點組合，然後第二篩選單元在匹配點組合中選擇計算單元計算槍機與 球機監控圖像的標定矩陣的標定點組合，該標定矩陣即為槍機與球機監控圖像的對應關 系，選擇槍機監控圖像上任意像素點，都可以根據標定矩陣在球機監控圖像中找到該點的 對應點，降低了計算誤差，使槍機和球機監控圖像的對應關係更準確。
[0058] 結合第二方面，在第一種可能的實現方式中，所述處理單元生成第一尺度空間圖 像集合，以及第二尺度空間圖像集合，包括：
[0059] 所述處理單元對所述第一監控圖像進行高斯卷積核處理，將尺度可變高斯函數與 第一監控圖像的空間坐標函數卷積，得到第一尺度空間圖像集合；
[0060] 所述處理單元對所述第二監控圖像進行高斯卷積核處理，將尺度可變高斯函數與 第二監控圖像的空間坐標函數卷積，得到第二尺度空間圖像集合。
[0061] 通過這種方式，處理單元可以把普通的二維圖像整理為一組解析度不同的圖像集 合，易於找到圖像中比較穩定的採樣點。
[0062] 結合第二方面的第一種可能的實現方式，在第二種可能的實現方式中，第一篩選 單元分別在所述第一尺度空間圖像集合和所述第二尺度空間圖像集合中選取極值採樣點， 包括：
[0063] 第一篩選單元對第一尺度空間圖像集合進行高斯差分尺度空間處理，將第一尺度 空間圖像集合中不同尺度的高斯差分核與第一監控圖像的空間坐標函數卷積，獲得採樣 佔.
[0064] 第一篩選單元對第二尺度空間圖像集合進行高斯差分尺度空間處理，將第一尺度 空間圖像集合中不同尺度的高斯差分核與第二監控圖像的空間坐標函數卷積，獲得採樣 佔.
[0065] 第一篩選單元將所述第一尺度空間圖像集合中的每一個採樣點分別與其圖像域 及尺度域內的相鄰採樣點進行大小比較，得到第一尺度空間圖像集合中的極值採樣點； [0066] 第一篩選單元將所述第二尺度空間圖像集合中的每一個採樣點分別與其圖像域 及尺度域內的相鄰採樣點進行大小比較，得到第二尺度空間圖像集合中的極值採樣點。 [0067] 通過第一篩選單元對採樣點和其相鄰的採樣點進行大小比較，可以找到確保在尺 度空間圖像集合和監控圖像中都能找到極值採樣點。
[0068] 結合第二方面，在第三種可能的實現方式中，所述第一篩選單元分別在歸屬於第 一尺度空間圖像集合的極值採樣點和歸屬於第二尺度空間圖像集合的極值採樣點中篩選 出符合第一設定數目的匹配點組合，包括：
[0069] 所述第一篩選單元根據每一個極值採樣點的鄰域的像素點，獲得相應極值採樣點 處的梯度模值和梯度方向；
[0070] 所述第一篩選單元分別根據以每一個極值採樣點為中心的高斯加權範圍內所有 像素點的梯度模值和梯度方向，得到相應極值採樣點的特徵描述算子；
[0071] 所述第一篩選單元分別針對第一尺度空間圖像集合中的每一個極值採樣點，在第 二尺度空間圖像集合中選擇第一極值採樣點和第二極值採樣點，其中，第一尺度空間圖像 集合中任意一個極值採樣點與其對應的第一極值採樣點之間的歐式距離最短，所述任意一 個極值採樣點與其對應的第二極值採樣點之間的歐式距離次短，所述歐式距離是基於兩個 極值採樣點的方向和特徵描述算子計算得到的；
[0072] 所述第一篩選單元根據第一尺度空間圖像集合中每一個極值採樣點與對應的第 一極值採樣點之間的歐式距離和與第二極值採樣點之間的歐式距離的比值，在第一尺度空 間圖像集合中的所有極值採樣點和其各自對應的第一極值點採樣點中，篩選出符合第一設 定數目的匹配點組合。
[0073] 這樣，第一篩選單元可以在第二尺度空間圖像集合中的所有極值採樣點中找到， 第一尺度空間圖像集合中每一個極值採樣點之間的歐式距離滿足一定條件的極值採樣點， 即為匹配點組合。
[0074] 結合第二方面的第三種可能的實現方式，在第四種可能的實現方式中，所述第一 篩選單元根據每一個極值採樣點的鄰域的像素點，獲得相應極值採樣點處的梯度模值和梯 度方向，包括：
[0075] 所述第一篩選單元根據每一個極值採樣點的鄰域像素的梯度方向分布特性，得到 該極值採樣點處的梯度模值和梯度方向；
[0076]或者，
[0077] 所述第一篩選單元採用直方圖統計每一個極值採樣點的鄰域像素的梯度方向，得 到該極值採樣點的梯度方向。
[0078] 通過這種方法，第一篩選單元可以得到極值採樣點處的梯度模值和梯度方向，用 以計算該極值採樣點與另一尺度空間圖像集合中極值採樣點的歐式距離。
[0079] 結合第二方面的第三種可能的實現方式，在第五種可能的實現方式中，所述第一 篩選單元根據第一尺度空間圖像集合中每一個極值採樣點與對應的第一極值採樣點之間 的歐式距離和與第二極值採樣點之間的歐式距離的比值，在第一尺度空間圖像集合中的所 有極值採樣點和其各自對應的第一極值點採樣點中，篩選出符合第一設定數目的匹配點組 合，包括：
[0080] 所述第一篩選單元在確定第一尺度空間圖像集合中某一極值採樣點與對應的第 一極值採樣點之間的歐式距離和與對應的第二極值採樣點之間的歐式距離的比值，小於設 定閾值時，確定所述某一極值採樣點與對應的第一極值採樣點為一匹配點組合，並將所述 比值確定為該匹配點組合的相似度參數；
[0081] 所述第一篩選單元將獲得的所有匹配點組合按照相似度參數進行排序，並按照相 似度參數從小到大的順序篩選出符合第一設定數目的匹配點組合。
[0082] 通過相似度的參數與設定閾值的比較，第一篩選單元可以得到符合條件的匹配點 組合，並通過相似度參數排序，得到最相似的匹配點組合。
[0083] 結合第二方面，在第六種可能的實現方式中，所述第二篩選單元在篩選出的匹配 點組合中進一步篩選出符合第二設定數目的標定點組合，包括：
[0084] 其中，若獲得的標定點組合的數目大於二，則選取包含的全部標定點形成的平面 圖形面積最大的標定點組合。
[0085] 通過這種方法，第二篩選單元篩選出可以準確計算出槍機與球機監控圖像的標定 矩陣的標定點組合。
[0086] 結合第二方面的上述第一至第四，第六種可能的實現方式中任意一種實現方式， 在第七種可能的實現方式中，所述計算單元按照篩選出的標定點組合的坐標獲得槍機與球 機監控圖像的標定矩陣，包括：
[0087] 所述計算單元根據篩選出的標定點組合中每一個標定點的坐標，運用如下公式獲 得槍機與球機監控圖像的標定矩陣：
[0088] Ah = 0
[0089] 其中，A為標定點組合的坐標矩陣，h為槍機與球機監控圖像的標定矩陣。
[0090] 通過這種方法，計算單元可以得到槍機與球機監控圖像的標定矩陣。
[0091] 採用本發明技術方案，可以有效的避免計算的標定矩陣存在誤差，從而使得槍機 和球機的對應關係不準確，引起聯動跟蹤的失敗的問題，提升了槍機與球機的標定精度，並 簡化了標定的過程。本發明技術方案，適用於目前市場出現的各種槍球聯動系統，而且運用 軟體實現，沒有增加硬體開銷。
【專利附圖】
【附圖說明】
[0092] 圖1為本發明實施例提供的基於槍球聯動系統的坐標關聯方法的具體流程圖；
[0093]圖2為本發明實施例提供的篩選出符合第一設定數目的匹配點組合的具體流程 圖；
[0094] 圖3為本發明實施例提供的極值採樣點的特徵描述算子生成示意圖；
[0095] 圖4為本發明實施例提供的基於槍球聯動系統的坐標關聯方法的實例圖；
[0096] 圖5為本發明實施例提供的基於槍球聯動系統的坐標關聯裝置結構圖。
【具體實施方式】
[0097] 採用本發明技術方案，能夠有效地避免了計算標定矩陣中存在的誤差導致聯動跟 蹤失敗的問題，提升了槍機與球機的標定精度，並簡化了標定的過程。
[0098] 本發明實施例提供了一種基於槍球聯動系統的坐標關聯方法，下面結合附圖對本 發明優選的實施方式進行詳細說明。
[0099] 在實現本發明技術方案的過程中，應用特徵點探測方法獲取標定點，其中，本 發明技術方案可以應用的特徵點方法，包括：基於尺度不變特徵轉換（Scale-Invariant Feature,SIFT)特徵點探測方法、基於快速實時識別目標特徵（Oriented Fast and Rotated BRIEF, ORB)特徵點探測方法、基於加速魯棒性特徵（Speeded Up Robust Features, SURF)特徵點探測方法以及快速基於特徵點的目標或者圖像匹配算法（Binary Robust Independent Elementary Features,BRIEF)特徵點探測方法，本發明實施例應用SIFT特徵 點探測方法實現槍球聯動跟蹤系統的坐標關聯方法，其它方法也可實現本發明技術方案， 此處不再贅述。
[0100] 參閱圖1所示，基於槍球聯動系統的坐標關聯方法的具體處理流程包括：
[0101] 步驟101 :針對同一場景，獲取待標定槍機的第一監控圖像和待標定球機的第二 監控圖像。
[0102] 第一監控圖像為槍球聯動系統中待標定槍機拍攝的監控畫面，第二監控圖像為與 與待標定槍機對應的待標定球機拍攝的監控趣面。
[0103] 步驟102 :基於第一監控圖像生成第一尺度空間圖像集合，以及基於第二監控圖 像生成第二尺度空間圖像集合。
[0104] 對第一監控圖像進行高斯卷積核處理，見公式一所示，得到第一尺度空間圖像集 合：
[0105] L (X，y，〇 ) = G (X，y，〇 ) *1 (X，y) 公式一
[0106] 式中，G(x，y，〇 )是尺度可變高斯函數，G(ao
【權利要求】
1. 一種基於槍球聯動系統的坐標關聯方法，其特徵在於，包括： 針對同一場景，獲取待標定槍機的第一監控圖像和待標定球機的第二監控圖像； 基於所述第一監控圖像生成第一尺度空間圖像集合，以及基於所述第二監控圖像生成 第二尺度空間圖像集合； 分別在所述第一尺度空間圖像集合和所述第二尺度空間圖像集合中選取極值採樣點， 並分別在歸屬於第一尺度空間圖像集合的極值採樣點和歸屬於第二尺度空間圖像集合的 極值採樣點中篩選出符合第一設定數目的匹配點組合； 在篩選出的匹配點組合中進一步篩選出符合第二設定數目的標定點組合，其中，所述 第二設定數目不少於四，且要求標定點組合在一個平面上，每任意三個標定點組合均不在 一條直線上； 按照篩選出的標定點組合的坐標獲得槍機與球機監控圖像的標定矩陣； 按照獲得的標定矩陣，確定所述第一監控圖像中的指定像素點在所述第二監控圖像中 的對應像素點。
2. 如權利要求1所述的方法，其特徵在於，生成第一尺度空間圖像集合，以及第二尺度 空間圖像集合，包括： 對所述第一監控圖像進行高斯卷積核處理，將尺度可變高斯函數與第一監控圖像的空 間坐標函數卷積，得到第一尺度空間圖像集合； 對所述第二監控圖像進行高斯卷積核處理，將尺度可變高斯函數與第二監控圖像的空 間坐標函數卷積，得到第二尺度空間圖像集合。
3. 如權利要求2所述的方法，其特徵在於，分別在所述第一尺度空間圖像集合和所述 第二尺度空間圖像集合中選取極值採樣點，包括： 對第一尺度空間圖像集合進行高斯差分尺度空間處理，將第一尺度空間圖像集合中不 同尺度的高斯差分核與第一監控圖像的空間坐標函數卷積，獲得採樣點； 對第二尺度空間圖像集合進行高斯差分尺度空間處理，將第一尺度空間圖像集合中不 同尺度的高斯差分核與第二監控圖像的空間坐標函數卷積，獲得採樣點； 將所述第一尺度空間圖像集合中的每一個採樣點分別與其圖像域及尺度域內的相鄰 採樣點進行大小比較，得到第一尺度空間圖像集合中的極值採樣點； 將所述第二尺度空間圖像集合中的每一個採樣點分別與其圖像域及尺度域內的相鄰 採樣點進行大小比較，得到第二尺度空間圖像集合中的極值採樣點。
4. 如權利要求1所述的方法，其特徵在於，分別在歸屬於第一尺度空間圖像集合的極 值採樣點和歸屬於第二尺度空間圖像集合的極值採樣點中篩選出符合第一設定數目的匹 配點組合，包括： 根據每一個極值採樣點的鄰域的像素點，獲得相應極值採樣點處的梯度模值和梯度方 向； 分別根據以每一個極值採樣點為中心的高斯加權範圍內所有像素點的梯度模值和梯 度方向，得到相應極值採樣點的特徵描述算子； 分別針對第一尺度空間圖像集合中的每一個極值採樣點，在第二尺度空間圖像集合中 選擇第一極值採樣點和第二極值採樣點，其中，第一尺度空間圖像集合中任意一個極值採 樣點與其對應的第一極值採樣點之間的歐式距離最短，所述任意一個極值採樣點與其對應 的第二極值採樣點之間的歐式距離次短，所述歐式距離是基於兩個極值採樣點的方向和特 徵描述算子計算得到的； 根據第一尺度空間圖像集合中每一個極值採樣點與對應的第一極值採樣點之間的歐 式距離和與第二極值採樣點之間的歐式距離的比值，在第一尺度空間圖像集合中的所有極 值採樣點和其各自對應的第一極值點採樣點中，篩選出符合第一設定數目的匹配點組合。
5. 如權利要求4所述的方法，其特徵在於，根據每一個極值採樣點的鄰域的像素點，獲 得相應極值採樣點處的梯度模值和梯度方向，包括： 根據每一個極值採樣點的鄰域像素的梯度方向分布特性，得到該極值採樣點處的梯度 模值和梯度方向； 或者， 採用直方圖統計每一個極值採樣點的鄰域像素的梯度方向，得到該極值採樣點的梯度 方向。
6. 如權利要求1或4所述的方法，其特徵在於，根據第一尺度空間圖像集合中每一個極 值採樣點與對應的第一極值採樣點之間的歐式距離和與第二極值採樣點之間的歐式距離 的比值，在第一尺度空間圖像集合中的所有極值採樣點和其各自對應的第一極值點採樣點 中，篩選出符合第一設定數目的匹配點組合，包括： 在確定第一尺度空間圖像集合中某一極值採樣點與對應的第一極值採樣點之間的歐 式距離和與對應的第二極值採樣點之間的歐式距離的比值，小於設定閾值時，確定所述某 一極值採樣點與對應的第一極值採樣點為一匹配點組合，並將所述比值確定為該匹配點組 合的相似度參數； 將獲得的所有匹配點組合按照相似度參數進行排序，並按照相似度參數從小到大的順 序篩選出符合第一設定數目的匹配點組合。
7. 如權利要求1所述的方法，其特徵在於，在篩選出的匹配點組合中進一步篩選出符 合第二設定數目的標定點組合，包括： 其中，若獲得的標定點組合的數目大於二，則選取包含的全部標定點形成的平面圖形 面積最大的標定點組合。
8. 如權利要求1 一 5, 7任一項所述的方法，其特徵在於，按照篩選出的標定點組合的坐 標獲得槍機與球機監控圖像的標定矩陣，包括： 根據篩選出的標定點組合中每一個標定點的坐標，運用如下公式獲得槍機與球機監控 圖像的標定矩陣： Ah = 0 其中，A為標定點組合的坐標矩陣，h為槍機與球機監控圖像的標定矩陣。
9. 一種基於槍球聯動系統的坐標關聯裝置，其特徵在於，包括： 獲取單元，用於針對同一場景，獲取待標定槍機的第一監控圖像和待標定球機的第二 監控圖像； 處理單元，用於基於所述第一監控圖像生成第一尺度空間圖像集合，以及基於所述第 二監控圖像生成第二尺度空間圖像集合； 第一篩選單元，用於分別在所述第一尺度空間圖像集合和所述第二尺度空間圖像集合 中選取極值採樣點，並分別在歸屬於第一尺度空間圖像集合的極值採樣點和歸屬於第二尺 度空間圖像集合的極值採樣點中篩選出符合第一設定數目的匹配點組合； 第二篩選單元，用於在篩選出的匹配點組合中進一步篩選出符合第二設定數目的標定 點組合，其中，所述第二設定數目不少於四，且要求標定點組合在一個平面上，每任意三個 標定點組合均不在一條直線上； 計算單元，用於按照篩選出的標定點組合的坐標獲得槍機與球機監控圖像的標定矩 陣； 運行單元，用於按照獲得的標定矩陣，確定所述第一監控圖像中的指定像素點在所述 第二監控圖像中的對應像素點。
10. 如權利要求9所述的裝置，其特徵在於，所述處理單元生成第一尺度空間圖像集 合，以及第二尺度空間圖像集合，包括： 所述處理單元對所述第一監控圖像進行高斯卷積核處理，將尺度可變高斯函數與第一 監控圖像的空間坐標函數卷積，得到第一尺度空間圖像集合； 所述處理單元對所述第二監控圖像進行高斯卷積核處理，將尺度可變高斯函數與第二 監控圖像的空間坐標函數卷積，得到第二尺度空間圖像集合。
11. 如權利要求10所述的裝置，其特徵在於，第一篩選單元分別在所述第一尺度空間 圖像集合和所述第二尺度空間圖像集合中選取極值採樣點，包括： 第一篩選單元對第一尺度空間圖像集合進行高斯差分尺度空間處理，將第一尺度空間 圖像集合中不同尺度的高斯差分核與第一監控圖像的空間坐標函數卷積，獲得採樣點； 第一篩選單元對第二尺度空間圖像集合進行高斯差分尺度空間處理，將第一尺度空間 圖像集合中不同尺度的高斯差分核與第二監控圖像的空間坐標函數卷積，獲得採樣點； 第一篩選單元將所述第一尺度空間圖像集合中的每一個採樣點分別與其圖像域及尺 度域內的相鄰採樣點進行大小比較，得到第一尺度空間圖像集合中的極值採樣點； 第一篩選單元將所述第二尺度空間圖像集合中的每一個採樣點分別與其圖像域及尺 度域內的相鄰採樣點進行大小比較，得到第二尺度空間圖像集合中的極值採樣點。
12. 如權利要求9所述的裝置，其特徵在於，所述第一篩選單元分別在歸屬於第一尺度 空間圖像集合的極值採樣點和歸屬於第二尺度空間圖像集合的極值採樣點中篩選出符合 第一設定數目的匹配點組合，包括： 所述第一篩選單元根據每一個極值採樣點的鄰域的像素點，獲得相應極值採樣點處的 梯度模值和梯度方向； 所述第一篩選單元分別根據以每一個極值採樣點為中心的高斯加權範圍內所有像素 點的梯度模值和梯度方向，得到相應極值採樣點的特徵描述算子； 所述第一篩選單元分別針對第一尺度空間圖像集合中的每一個極值採樣點，在第二尺 度空間圖像集合中選擇第一極值採樣點和第二極值採樣點，其中，第一尺度空間圖像集合 中任意一個極值採樣點與其對應的第一極值採樣點之間的歐式距離最短，所述任意一個極 值採樣點與其對應的第二極值採樣點之間的歐式距離次短，所述歐式距離是基於兩個極值 採樣點的方向和特徵描述算子計算得到的； 所述第一篩選單元根據第一尺度空間圖像集合中每一個極值採樣點與對應的第一極 值採樣點之間的歐式距離和與第二極值採樣點之間的歐式距離的比值，在第一尺度空間圖 像集合中的所有極值採樣點和其各自對應的第一極值點採樣點中，篩選出符合第一設定數 目的匹配點組合。
13. 如權利要求12所述的裝置，其特徵在於，所述第一篩選單元根據每一個極值採樣 點的鄰域的像素點，獲得相應極值採樣點處的梯度模值和梯度方向，包括： 所述第一篩選單元根據每一個極值採樣點的鄰域像素的梯度方向分布特性，得到該極 值採樣點處的梯度模值和梯度方向； 或者， 所述第一篩選單元採用直方圖統計每一個極值採樣點的鄰域像素的梯度方向，得到該 極值採樣點的梯度方向。
14. 如權利要求9或12所述的裝置，其特徵在於，所述第一篩選單元根據第一尺度空間 圖像集合中每一個極值採樣點與對應的第一極值採樣點之間的歐式距離和與第二極值採 樣點之間的歐式距離的比值，在第一尺度空間圖像集合中的所有極值採樣點和其各自對應 的第一極值點採樣點中，篩選出符合第一設定數目的匹配點組合，包括： 所述第一篩選單元在確定第一尺度空間圖像集合中某一極值採樣點與對應的第一極 值採樣點之間的歐式距離和與對應的第二極值採樣點之間的歐式距離的比值，小於設定閾 值時，確定所述某一極值採樣點與對應的第一極值採樣點為一匹配點組合，並將所述比值 確定為該匹配點組合的相似度參數； 所述第一篩選單元將獲得的所有匹配點組合按照相似度參數進行排序，並按照相似度 參數從小到大的順序篩選出符合第一設定數目的匹配點組合。
15. 如權利要求9所述的裝置，其特徵在於，所述第二篩選單元在篩選出的匹配點組合 中進一步篩選出符合第二設定數目的標定點組合，包括： 其中，若獲得的標定點組合的數目大於二，則選取包含的全部標定點形成的平面圖形 面積最大的標定點組合。
16. 如權利要求9 一 13,15任一項所述的裝置，其特徵在於，所述計算單元按照篩選出 的標定點組合的坐標獲得槍機與球機監控圖像的標定矩陣，包括： 所述計算單元根據篩選出的標定點組合中每一個標定點的坐標，運用如下公式獲得槍 機與球機監控圖像的標定矩陣： Ah = 0 其中，A為標定點組合的坐標矩陣，h為槍機與球機監控圖像的標定矩陣。
【文檔編號】G06T7/00GK104424631SQ201310372758
【公開日】2015年3月18日 申請日期:2013年8月23日 優先權日:2013年8月23日
【發明者】程淼, 周璐, 王磊, 張興明 申請人:浙江大華技術股份有限公司