基于FREAK匹配算法的目標(biāo)工件測(cè)距

改造者：黃曉城 劉 偉 李德隆

基于FREAK匹配算法的目標(biāo)工件測(cè)距

改造者：黃曉城 劉 偉 李德隆

為了精確地測(cè)量出目標(biāo)物的三維空間距離，解決雙目立體視覺(jué)區(qū)域匹配算法視差圖效果不穩(wěn)定、匹配困難等問(wèn)題，提出一種自行選取目標(biāo)物，利用FREAK匹配算法和RANSAC迭代算法相結(jié)合的方式直接對(duì)目標(biāo)物進(jìn)行立體匹配的方法，不僅在背景復(fù)雜的環(huán)境下能有效對(duì)目標(biāo)工件進(jìn)行立體匹配，同時(shí)較于SIFT、SUFT具有更高的匹配速率，實(shí)驗(yàn)證明，本文方法在精確測(cè)量目標(biāo)工件的情況下，很好的減少了立體匹配時(shí)間。

隨著我國(guó)科學(xué)技術(shù)和市場(chǎng)經(jīng)濟(jì)的快速發(fā)展，如何降低成本、保證質(zhì)量的生產(chǎn)情況下，提升整個(gè)生產(chǎn)企業(yè)的生產(chǎn)效率關(guān)乎每個(gè)生產(chǎn)企業(yè)的競(jìng)爭(zhēng)力，因此采用工業(yè)機(jī)器人對(duì)整個(gè)壓鑄生產(chǎn)線進(jìn)行智能化生產(chǎn)加工，成為企業(yè)的發(fā)展方向。在工業(yè)生產(chǎn)中，傳統(tǒng)的機(jī)器人一般通過(guò)設(shè)置固定位姿對(duì)目標(biāo)工件進(jìn)行抓取，但這種設(shè)置機(jī)器人固定位姿的操作方式，經(jīng)常會(huì)因?yàn)楣ぜ恢冒l(fā)生偏差造成對(duì)工件的抓取失敗，利用雙目立體視覺(jué)不僅可以對(duì)工件進(jìn)行高精度的二維或三維空間定位，同時(shí)受外界環(huán)境干擾小，可靠性高。

雙目測(cè)距拘束的關(guān)鍵在于特征點(diǎn)的匹配，傳統(tǒng)的雙目立體視覺(jué)測(cè)距就是利用視差圖的方式，得到目標(biāo)物體的三維空間信息，而視差圖的計(jì)算距離（BM算法）存在較大的誤差，根本原因在于模塊匹配中，搜索區(qū)域的匹配點(diǎn)存在較大的誤差；在基于SIFT、SURF立體匹配算法中，由于匹配速率低，導(dǎo)致目標(biāo)工件測(cè)距時(shí)間長(zhǎng)等原因，本文提出一種基于FREAK立體匹配算法的研究。

FREAK匹配算法

FREAK（Fast Retina Keypoint，）算法即快速視網(wǎng)膜關(guān)鍵點(diǎn)匹配算法，是由Alahi等提出的一種局部不變特征匹配算法，該算法基于視網(wǎng)膜采用模型，基本的低精度圖像基本信息由特征點(diǎn)周邊的采樣區(qū)域處理，細(xì)節(jié)等高精度的圖像信息由特征點(diǎn)中心區(qū)域處理，類似于BRISK，是一種固定的抽樣策略。

Freak描述符是在一個(gè)類似人眼視網(wǎng)膜拓?fù)浣Y(jié)構(gòu)進(jìn)行采樣，如圖1所示。其中Fovea區(qū)域主要是對(duì)高精度的圖像信息進(jìn)行處理，Para主要是對(duì)低精度的圖像信息進(jìn)行處理。該結(jié)構(gòu)中，以大圓中心的點(diǎn)為特征點(diǎn)，其他分布的點(diǎn)為特征點(diǎn)的采樣點(diǎn)，采樣點(diǎn)距離特征點(diǎn)越近，密集度越大，同時(shí)采樣點(diǎn)的圓半徑越小，其中以每個(gè)采樣點(diǎn)為中心的圓半徑代表的是高斯平滑核的大小。通過(guò)二進(jìn)制比特串來(lái)表示FREAK描述符，由采樣點(diǎn)對(duì)和其對(duì)應(yīng)的高斯核進(jìn)行閾值對(duì)比以生成二值串。將結(jié)果級(jí)聯(lián)便形成最終描述符F。具體生成方法為：

（1）FREAK描述符

假設(shè)F為二進(jìn)制描述子，是一對(duì)視網(wǎng)膜網(wǎng)格感受野，是期望的二進(jìn)制編碼長(zhǎng)度， 表示采樣點(diǎn)對(duì) 中前一個(gè)采樣點(diǎn)的像素值，則：

FREAK的旋轉(zhuǎn)不變性是基于描述符的圓形對(duì)稱采樣結(jié)構(gòu)，而圓半徑和采樣位置隨著尺度的變化而變化，使FREAK具有尺度不變性，在對(duì)每個(gè)采樣點(diǎn)進(jìn)行高斯平滑生成的圓半徑使FREAK具有一定的削弱噪聲的能力。

（2）掃視搜索

人類視覺(jué)系統(tǒng)通常是由人眼周圍區(qū)域感知外界的基本信息，然后由中央凹對(duì)目標(biāo)物進(jìn)行捕捉。FREAK使用類似掃視方法，首先，構(gòu)建匹配比較器的第一級(jí)，由FREAK描述子的前N1個(gè)字節(jié)對(duì)圖像進(jìn)行搜索，如果距離在某個(gè)閾值T1范圍內(nèi)，則構(gòu)建下一個(gè)匹配比較器第二級(jí)，以此類推。超過(guò)90%的候選匹配描述子可以通過(guò)前16個(gè)字節(jié)被剔除。

（3）方向的定位

為了計(jì)算關(guān)鍵點(diǎn)的旋轉(zhuǎn)角度，對(duì)選取的采樣點(diǎn)對(duì)進(jìn)行局部梯度的計(jì)算。假設(shè)G為用于計(jì)算局部梯度的采樣點(diǎn)對(duì)的集合，M是G中采樣點(diǎn)對(duì)的個(gè)數(shù)，是一個(gè)由感受域中心點(diǎn)的空間坐標(biāo)組成的二維向量，其描述子的主方向由梯度之和的平均值求得：

實(shí)驗(yàn)效果如圖2所示。

圖1 FREAK描述符采樣結(jié)構(gòu)圖

圖2 FREAK特征提取和匹配

圖3 FREAK特征提取和匹配

圖4 FREAK特征提取和匹配

由圖2可以看出，基于FREAK算法對(duì)物體的匹配產(chǎn)生了大量的誤匹配點(diǎn)，同時(shí)在對(duì)目標(biāo)工件的測(cè)距中，產(chǎn)生了大量的其他區(qū)域的匹配，不僅造成匹配效率更低，同時(shí)給目標(biāo)物的匹配帶來(lái)許多誤匹配信息。基于雙目立體視覺(jué)系統(tǒng)，提出一種FREAK立體匹配算法與RANSAC迭代算法相結(jié)合的匹配算法，同時(shí)利用自行選取目標(biāo)工件的ROI區(qū)域，實(shí)現(xiàn)對(duì)目標(biāo)物的正確提取和匹配。

通過(guò)RANSAC迭代算法對(duì)FREAK匹配算法的匹配點(diǎn)對(duì)進(jìn)行篩選，去除錯(cuò)誤匹配點(diǎn)對(duì)，同時(shí)本文采用一種自行選取ROI區(qū)域的方式，直接對(duì)目標(biāo)工件區(qū)域進(jìn)行選取，再通過(guò)FREAK匹配算法對(duì)目標(biāo)進(jìn)行匹配，有效的提高了目標(biāo)工件的匹配效率和正確率。具體實(shí)驗(yàn)效果以圖3、圖4所示。

本文同時(shí)采用SIFT、SURF立體匹配算法分別對(duì)該場(chǎng)景的目標(biāo)物進(jìn)行區(qū)域選取和立體匹配，比較三種立體匹配算法的匹配速度、成功匹配度以及穩(wěn)定性。

表1 FREAK匹配算法實(shí)驗(yàn)結(jié)果

表2 SIFT、SURF、FREAK匹配算法比較

測(cè)距結(jié)果

利用上述匹配算法得到目標(biāo)物的匹配像素坐標(biāo)，根據(jù)雙目立體視覺(jué)原理，根據(jù)式（3）計(jì)算出目標(biāo)物的深度信息，如表1所示（目標(biāo)工件的實(shí)際測(cè)量距離為1100mm）。

表3 目標(biāo)工件的三維距離測(cè)距實(shí)驗(yàn)結(jié)果

由上述結(jié)果可以看出，在利用FREAK匹配算法對(duì)目標(biāo)工件進(jìn)行立體匹配中，測(cè)得的目標(biāo)工件的深度平均距離為1097.925m誤差為2.075mm，符合測(cè)量誤差。

結(jié)語(yǔ)

通過(guò)以上分析，基于FREAK的特征點(diǎn)提取和匹配實(shí)驗(yàn)中，F(xiàn)REAK通過(guò)利用人眼視網(wǎng)膜拓?fù)浣Y(jié)構(gòu)進(jìn)行特征點(diǎn)的掃視搜索，提取出了較多的特征點(diǎn)，在基于原圖的FREAK特征提取和匹配中，F(xiàn)REAK與SIFT和SURF算法一樣，由于其他物體的干擾導(dǎo)致了一些錯(cuò)誤匹配點(diǎn)對(duì)，采用自行選取的ROI區(qū)域可以看出，F(xiàn)REAK去除了一些外界物體帶來(lái)的誤匹配點(diǎn)對(duì)。利用RANSAC算法結(jié)合FREAK算法再對(duì)ROI區(qū)域內(nèi)的匹配點(diǎn)對(duì)進(jìn)行篩選，去除了所有的誤匹配點(diǎn)對(duì)，使目標(biāo)物的提取和匹配達(dá)到了較好的效果，同時(shí)在速度上比SIFT算法、SURF算法更快，但是FREAK算法對(duì)仿射發(fā)生變化情況下，匹配成功率會(huì)有所降低，穩(wěn)定性一般。

黃曉城 劉 偉 李德隆

廣東工業(yè)大學(xué)材料與能源學(xué)院

黃曉城，（1989－）男，碩士研究生，研究領(lǐng)域?yàn)閳D像處理、機(jī)器視覺(jué)等，劉偉，男，副教授，研究領(lǐng)域?yàn)閳D像處理，機(jī)器視覺(jué)等，李德隆，（1988－）男，碩士研究生，研究領(lǐng)域?yàn)閳D像處理、機(jī)器視覺(jué)等。

10.3969/j.issn.1001-8972.2016.09.034