(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 202211050257.9 (22)申请日 2022.08.31 (71)申请人 中国民航大 学 地址 300300 天津市东 丽区津北公路2898 号 (72)发明人 罗其俊　田鑫　 (74)专利代理 机构 天津诺德知识产权代理事务 所(特殊普通 合伙) 12213 专利代理师 栾志超 (51)Int.Cl. G06V 10/75(2022.01) G06T 7/73(2017.01) G06T 7/66(2017.01) (54)发明名称 一种应用 于旋转双目立体视觉系统的图像 校正方法 (57)摘要 本发明涉及三 维视觉技术领域， 具体涉及一 种应用于旋转双目立体视觉系统的图像校正方 法， 包括如下步骤： 分别对左右两个相机获取的 左图像和右图像进行特征点提取， 并建立两者特 征点的映射 关系， 进而获取若干特征点的匹配点 对； 对若干所述匹配点对进行优选和二次匹配优 化； 对优选和二次匹配优化后的若干所述匹配点 对进行质量排序， 选取排序中的若干所述匹配点 对， 计算出所述左右两个相机的精确位姿关系； 基于所述精确位姿关系， 得到所述左图像和所述 右图像的极点和极线； 根据立体校正准则， 选取 所述左图像和所述右图像的投影变换矩阵， 对极 点和极线进行重采样， 实现立体图像校正。 该方 法提升图像校正的精确性的同时提升校正便利 度。 权利要求书3页 说明书7页 附图3页 CN 115115861 A 2022.09.27 CN 115115861 A 1.一种应用于 旋转双目立体视 觉系统的图像校正方法， 其特 征在于， 包括如下步骤： S1、 采用FAST特征检测和BRIEF特征描述方法， 提取ORB特征点， 并在左右图像中进行初 始匹配， 建立左右图像特 征点的映射关系， 得到匹配点对； S2、 对若干匹配点对进行优选和二次匹配优化； S3、 对优选和二次匹配优化后的若干所述匹配点对进行质量排序， 选取排序中的若干 所述匹配点对， 计算出 所述左右两个相机的精确位姿关系； S4、 基于所述精确位姿关系， 得到左图像和右图像的极点和极线； S5、 根据立体校正准则， 选取所述左图像和所述右图像的投影变换矩阵， 对所述左图像 和所述右图像的极点和极线 进行重采样， 实现立体图像校正。 2.根据权利要求1所述的应用于旋转双目立体视觉系统 的图像校正方法， 其特征在于， 步骤S1具体包括： 采用FAST特征检测和BRIEF特征描述方法， 提取ORB特征点， 然后检测特征 点邻域描述符子， 得到ORB特征描述向量， 在所述左图像和所述右 图像中进行快速初始匹 配， 建立两者特 征点的映射关系， 进 而获取若干特 征点的匹配点对。 3.根据权利要求2所述的应用于旋转双目立体视觉系统 的图像校正方法， 其特征在于， 步骤S1具体包括： 对所述左图像和所述右图像， 构造 W层图像尺度金字塔， 分别在 W个尺度上， 利用FAST算 法检测角点 位置， 并计算每 个角点的响应值， 选取固定数量的角点， 作为该尺度的特 征点； 再以该特征点为圆心， 半径为 r的圆形邻域内， 计算图像质心位置， 并将该特征点位置 到质心位置的方向作为该 特征点的主方向； 将该特征点邻域旋转到主方向， 利用BRIEF算法构建特征描述符子， 得到ORB特征描述 向量； 最后对所述左图像和所述右图像中的所述ORB特 征描述向量， 进行全局匹配。 4.根据权利要求1所述的应用于旋转双目立体视觉系统 的图像校正方法， 其特征在于， 所述特征点优选具体包括： 经所述初始匹配后， 所述左图像 中特征点 和所述右图像 中的特征点 ， 组成的N对初始匹配点集 ， 其中， 为特征点的序号， 和 为图像中特 征点的坐标， 在所述匹配点集 中， 将N对匹配点对间欧氏距离按从小 到大排序为 ， 选 取距离中值 作为基准， 将匹配点对欧氏距 离与基准距 离之比定义为该匹配点对的相对距 离， 得到相对距离集合  ， 由 ， 计算上述 所 对应的匹配点的连线斜 率， 得到斜 率集合 ； 设定匹配点对相对距离误差范围 ， 遍历所述相对距离集合 ， 保留 的匹 配点； 将匹配点对斜率均值 作为基准， 设定斜率误差范围 ， 遍历所述斜率集合 ， 保留 的匹配点对；权　利　要　求　书 1/3 页 2 CN 115115861 A 2检验经上述步骤后所述匹配点集 中剩余匹配点对的数量， 如果匹配点对数量少， 可判断为阈值设置过小， 这时， 分别按0.02和0.01的步长来增大 和 ， 重新对所述匹配点 集 按上述步骤进行 特征点优选； 重复上述 步骤， 在全局层优选出 T对匹配点 集 ， 其中， 。 5.根据权利要求4所述的应用于旋转双目立体视觉系统 的图像校正方法， 其特征在于， 所述二次匹配优化具体包括： 将 和 的邻域分别表示为 和 ， 其中，s为 邻域特征点的序号， 和 中包含t个 和 的邻域点； 定义了特 征点邻域空间一 致性校检值 c， 其中， 为邻域内的特征点， 使用 来检验 和 是否满足邻域空间支 持， 向量用以检验 和 与邻域内匹配点向量偏移值， 来衡量 和 的邻域是 否具有空间约束， 其中， v为 和 的向量， 为匹配点邻域内 和 的向量； 检验 邻域内所有特征点在 的邻域内是否有相应的特征点， 若满足， 此时邻域内共 同特征点个数 a与邻域内特征点数量 t的支撑特征点比率为1， 且 ， 认为该匹配 点满足邻域空间支持； 计算匹配点与其邻域匹配点间的向量偏移 ， 设定匹配点向量偏移阈值 ， 当 时， 认为该匹配点邻域满足空间约束； 当一对匹配点同时满足邻域空间支持和空间约束时， ， 重复上述步骤， 直至检验 完所有匹配点， 得到优化后的 M对匹配点 集 ， 其中， 。 6.根据权利要求5所述的应用于旋转双目立体视觉系统 的图像校正方法， 其特征在于，权　利　要　求　书 2/3 页 3 CN 115115861 A 3