(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210632044.0 (22)申请日 2022.06.06 (71)申请人 武汉理工大 学 地址 430070 湖北省武汉市洪山区珞狮路 122号 (72)发明人 尹勇　袁仲发　鹿翔飞　张可　 (74)专利代理 机构 武汉智嘉联合知识产权代理 事务所(普通 合伙) 42231 专利代理师 张璐 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/46(2022.01) (54)发明名称 一种极线校正方法及装置 (57)摘要 本发明提供了一种极线 校正方法及装置， 其 方法包括： 基于双目视觉系统获取第一图像和第 二图像； 基于图像像素点灰度值确定第一图像中 的多个第一特征点和第二图像中的多个第二特 征点； 将多个第一特征点和多个第二特征点进行 匹配， 获得多个初始匹配点对； 基于归一化八点 算法、 随机一致性算法以及 多个初始匹配点对确 定目标基础 矩阵； 基于目标基础矩阵和极线约束 确定第一极点和第二极点， 并基于第一图像的中 心点、 第一 极点和第二极点确定第一投影矩阵和 第二投影矩阵； 基于第一投影矩阵、 第二投影矩 阵对第一特征点和第二特征点进行投影变换， 获 得校正图像。 本发明提高了极线校正的准确率和 效率。 权利要求书3页 说明书11页 附图6页 CN 114926654 A 2022.08.19 CN 114926654 A 1.一种极线校正方法， 其特 征在于， 包括： 基于双目视 觉系统获取第一图像和第二图像； 基于图像像素点灰度值确定所述第一图像中的多个第一特征点和所述第二图像中的 多个第二特 征点； 将所述多个第一特 征点和所述多个第二特 征点进行匹配， 获得多个初始匹配点对； 基于归一化八点算法、 随机一致性算法以及所述多个初始匹配点对确定目标基础矩 阵； 基于所述目标基础矩阵和极线约束确定第 一极点和第 二极点， 并基于所述第 一图像的 中心点、 所述第一极点和所述第二极点确定第一投影矩阵和第二投影矩阵； 基于所述第 一投影矩阵、 所述第 二投影矩阵对所述第 一特征点和所述第 二特征点进行 投影变换， 获得 校正图像。 2.根据权利要求1所述的极线校正方法， 其特征在于， 所述基于图像像素点灰度值确定 所述第一图像中的多个第一特 征点和所述第二图像中的多个第二特 征点， 包括： 对所述第一图像和所述第 二图像进行平滑 处理， 对应获得第 一平滑图像和第 二平滑图 像； 对所述第一平滑图像和所述第 二平滑图像进行多尺度分解， 对应获得第 一高斯金字塔 和第二高斯金字塔； 基于预设的划分规则划分所述第 一高斯金字塔和所述第 二高斯金字塔， 对应获得多个 第一子图像块和多个第二子图像块； 根据所述第 一子图像块或所述第 二子图像块构建局部滑动窗口， 并根据 所述局部滑动 窗口、 所述多个第一子图像块确定所述多个第一特征点， 根据所述局部滑动窗口和所述多 个第二子图像块确定所述多个第二特 征点。 3.根据权利要求2所述的极线校正方法， 其特征在于， 所述第 一高斯金字塔包括多个第 一图像层， 所述基于预设的划分规则划分所述第一高斯金字塔， 获得多个第一子图像块， 包 括： 将所述多个第一图像层中各第一图像层进行划分， 获得多个第一图像区域； 将所述多个第一图像区域中各第一图像区域进行划分， 获得多个第一子图像块。 4.根据权利要求3所述的极线校正方法， 其特征在于， 所述多个第 一图像层包括当前第 一图像层和与所述当前第一图像层相 邻的第一相 邻图像层和 第二相邻图像层， 所述多个第 一子图像块包括当前第一子图像块和与所述当前第一子图像块相邻的多个相邻第一子图 像块； 所述根据所述局部滑动窗口、 所述多个第一子图像块确定所述多个第一特征点， 包 括： 获取所述局部滑动窗口中的所述当前第一子图像块的原 始图像灰度； 移动所述局部滑动窗口遍历所述当前第 一子图像块， 并获取移动后的所述局部滑动窗 口中的所述当前第一子图像块的当前图像灰度； 基于所述原 始图像灰度和所述当前图像灰度确定灰度差异和； 当所述灰度差异和大于或等于差异阈值 时， 将所述当前第 一子图像块中灰度值最大的 像素点作为关键点； 确定所述第一相邻图像层中与所述关键点对应的第一相邻点以及所述第二相邻图像权　利　要　求　书 1/3 页 2 CN 114926654 A 2层中与所述关键点对应的第二相邻点； 当所述关键点的灰度值大于所述第 一相邻点的灰度值， 所述关键点的灰度值大于所述 第二相邻点的灰度值， 且所述关键点的灰度值大于所述多个相邻第一子图像块中各像素点 的灰度值时， 所述关键点 为所述第一特 征点。 5.根据权利要求1所述的极线校正方法， 其特征在于， 所述将所述多个第 一特征点和多 个第二特 征点进行匹配， 获得多个初始匹配点对， 包括： 确定所述多个第一特征点中各第一特征点与所述多个第二特征点中各第二特征点之 间的欧式距离； 判断所述欧式距离是否大于预设距离， 当所述欧式距离大于所述预设距离时， 所述第 一特征点和所述第二特 征点为所述初始匹配点对。 6.根据权利要求1所述的极线校正方法， 其特征在于， 所述基于归一化八点算法、 随机 一致性算法以及所述多个初始匹配点对确定目标基础矩阵， 包括： 步骤一、 从所述多个初始匹配点对中随机确定八个第一初始匹配点对， 并根据所述八 个第一初始匹配点对确定初始基础矩阵和极线； 步骤二、 确定所述多对初始匹配点中出所述第 一初始匹配点对之外的多个第 二初始匹 配点对与所述极线之间的距离； 步骤三、 判断所述距离是否大于阈值距离， 当所述距离小于阈值距离时， 所述第 二初始 匹配点对为内点， 当所述距离大于或等于所述阈值距离时， 所述第二初始匹配点对为外点； 步骤四、 判断所述内点的个数与 所述多个初始匹配点对的个数的比值是否大于阈值比 值以及迭代次数是否大于最大迭代次数， 若 所述内点的个数与所述多个初始匹配点对的个 数的比值大于阈值比值， 或迭代 次数是否大于最大迭代次数， 则所述初始基础矩阵为 目标 基础矩阵， 若所述内点的个数与所述多个初始匹配点对的个数的比值小于或等于阈值比 值， 且迭代次数 是否小于或等于最大迭代次数， 则重复步骤一～步骤四。 7.根据权利要求1所述的极线校正方法， 其特征在于， 所述基于所述第一图像的中心 点、 所述第一极点和所述第二极点确定第一投影矩阵和第二投影矩阵， 包括： 将所述第一图像的中心点进行齐次变换及简化， 获得初始 平移变换矩阵； 将所述第一图像和所述第 二图像进行旋转映射， 对应获得第 一旋转矩阵和第 二旋转矩 阵； 将所述第一极点和所述第 二极点投影至水平方向无穷远点， 对应获得第 一标准投影变 换矩阵和第二标准投影 变换矩阵； 将所述第一图像和所述第二图像进行平 移变换， 获得目标平 移变换矩阵； 基于所述初始平移变换矩阵、 所述第一旋转矩阵、 所述第一标准投影变换矩阵以及所 述目标平 移变换矩阵确定所述第一投影矩阵； 基于所述初始平移变换矩阵、 所述第 二旋转矩阵以及所述第 二标准投影变换矩阵确定 所述第二投影矩阵。 8.根据权利要求1所述的极线校正方法， 其特 征在于， 所述极线校正方法还 包括： 基于优化模型对所述第 一投影矩阵和所述第 二投影矩阵进行优化， 获得第 一优化投影 矩阵和第二优化投影矩阵； 所述基于所述第 一投影矩阵、 所述第 二投影矩阵对所述第 一特征点和所述第 二特征点权　利　要　求　书 2/3 页 3 CN 114926654 A 3