船舶动力定位参数辨识
对船舶数学模型的各个推进器参数进行系统辨识，具有实际价值李文华,等:船舶动力定位系统数学模型参数辨识方法研究针对动力定位技术的发展,我国研究人员也进表1离散时间摘要扩展卡尔曼滤波行了积极有益的探索。文献[]用固定增益的卡尔f(k+1)=F((k),(k)+vw(k)曼滤波估计低频运动,而高频运动则用一个参数模系统模型量测|/(k)~N(O,Q(k》)x(k)=H((k)();型来模拟,并用递推增广最小二乘法来估计参数,从u(k)-N(0,Q(k)而估计出船舶的髙频运动。通过控制计算和模拟试初始情况1(0)+5np(0)=验取得了良好的效果。文献[12]提出了水面舰船动力定位控制系统模型参数的离线最速下降寻优的状态估计传递|(k+1)=F((k),()误差协方差传递辨识方法,提高了动力定位系统研制过程的工作效P(h+1)=(h)P()(k)+r(kQ(k )r(k)率。文献[13]在建立船舶三维几何模型基础上,对K()=P(k)HT(k)H()(kH()+R()]-满载船舶从浅水40m到深水500m的水动力系状态估计更新)=()1)((数进行数值计算。利用三维线性势流理论在频域误差协方差更新P)=kk)H(FLK)H()y里研究船舶在浅水中的辐射问题,应用三维源汇分K()R(k)K(k)布法对不同水深下船舶运动的水动力系数,包括附定义φ(k)=0()JH(-)加质量和阻尼系数进行数值计算与分析,得出了有(k)H(k)=0(k)限深水域的附加质量和阻尼系数的渐进特性。文献14]考虑具有修正PM波谱的长峰不规则浪,基于尾部隧道式侧推m,艏部隧道式侧推,艄部方海浪幅值响应算子(RAO研究了船舶在海浪中的六角式推进器。质量阵M可利用文献9]里介绍自由度运动预报模型。为了有效地量化海洋环境对的 Strip Theory计算得到:动力定位船舶的作用,文献[5提出了海洋环境负从/1127400018902-00744载(包括风、海浪和海流)的建模方法,并运用00.07440.1278MATLAB的M文件和SIMUⅠNK分别编制了风干为了得到需要辨识的量需重复进行3项(每项扰力和力矩计算及随机海浪的仿真程序。在三级海2次,共6次)海上试验,以此提高参数估计器的收况下,实现了对海洋环境的仿真,得到了合理的仿真敛性和表现。具体如下结果。文献[1]考虑到船舶的动态特性存在固有的第1项:解耦了的纵荡运动。船舶仅依靠主螺强非线性以及非线性控制改善系统性能和鲁棒性的旋桨山和实现恒速前进,艏向通过艏侧推控制。能力,将非线性控制理论应用到船舶动力定位控制第2项:结耦了的横荡与艏摇运动。通过三个隧道系统的设计中,对某供应船的计算机模型进行仿真,式推进器砌、4、实现两次结耦了的横荡与艏摇运验证了非线性控制系统是有效的。文献[17]提出并动。第3项:在结耦的横荡与艏摇运动中得到方位验证了基于线性核函数在线支持向量回归的模型预角式推进器u的推力系数K6测控制方案。在线支持向量回归算法的引入可以通第1项是为了计算主螺旋桨的推力系数K1和过在线调整,确保预测模型的精确性。Xa,需要的输入量是X本文中X的计算方法是利22船舶数学模型参数辨识用文献[19]里介绍的切片法。第2项是为了计算结文献[18]讨论了使用两个并行测量序列来估计耦了的横荡与艏摇运动的参数数值,可以辨识出的动力定位船舶模型参数的离线并行扩展卡尔曼滤波向量为[ YYNNK3K5]第3项是为了计算全方器算法(O- line parallel extended Kalman filter位推进器的推力系数K6( EKF) Algorithm),见表1。最后采用一项以供给船使用动量方程来代替标准动力学方程,不仅可为对象的全尺度的海上试验来验证提出的参数估计以显著提高状态和参数估计器的性能还具有以下器的收敛性和鲁棒性。优点:实验对象以挪威ABB公司的“ Far Scandia”号供(1)增加数据冗余度;给船为原型。该船总长762m,船宽18:8m,型深(2)降低量测噪声;825m,吃水625m,净吨位4200t,主发动机功率(3)降低环境干扰;3533kW。推进器配置左右舷两个主推进器u1、l2,(4)增加数据记录长度第23卷第3期(总第135期)船羔vd.23N.3012年6月shiP boatJune, 2012(5)以对参数分批进行辨识等手段提高参数辨风。将风速分量定义为识的精确度。L=v,cos(ψ图2显示了实验辨识得到的A和。其中A包(5)W V sin(B-0)含的待求未知量[XyYM而R包含的待求末式中和v分别为风速在X轴和Y轴的分量;v知量是[kk2k3k4k5k6]。和月分别表示风速和风向。如图1所示。假设风速远大于船速,风在纵荡、横荡和艏摇方向的负荷向量可表述为As elements.pAcM(o)V, IV0.5p.A_C-(r )V,V6)0.SpA,Lo C(rm)VV.式中,风的相对角为y=ψp为空气密度,单位e号为kgm3;Lm为船舶总长,单位为m;V为相对风速,103K elements单位为kn;A-和A为正投影面积和侧投影面积,2015单位均为m2;C(y)Cn(y)和C(4)分别为纵荡横荡和艄摇方向的无因次风系数,是通过 Isherwood半经验公式得到的。00003,波浪扰动数学模型波浪干扰力一般分为两种:一种是一阶波浪干图2实验辨识得到的参数曲线扰力,也称高频波浪干扰力。这是在假设波浪为微幅波,未引起船舶大幅摇荡的情况下,认为船舶受到经实验辨识出的动量方程中的量:与波高成线性关系并且与波浪同频率的波浪力。另0.03180种是二阶波浪力,也称波浪漂移力该波浪力与波A000602006l8高平方成比例。0.0075_0.2454这种具有高频率小振幅振荡特性的波浪所产生K=103ding([93,93,20,2.0,28,26]的一阶波浪干扰力最主要是引发船舶的纵摇和垂荡经过计算公式D-M得到运动,对横摇的影响稍次之,而对横荡及艄摇运动的002820影响相对来说就小一些。至于具有慢时变特性的二00.0130475900.081419676阶波浪干扰力,本身同时又是非线性的,它仍然和波写成动力定位模式下的状态空间表达式为:浪的频率有关。波浪的二阶漂移力不但会改变船舶元=AU+Bx(4)疔的航向和航迹,尤其对于在锚泊状态下船舶位置的移动及钻井平台的动力定位系统的工作等均有式中A=MA4M,并且B=MTK。其数值表达式为:重要影响00318000.062800030下面介绍一种估算二阶波浪漂移力方法。19740.0046-0.2428年, Newman提出一种应用频域波浪漂移力系数的0008200082000估算方法。通过把波谱(通常选用PM谱)分为N0∞505-069000108等份,每份有相对应的波浪频率m和波幅A。这样波浪漂移力对横荡、纵荡、艏摇运动的作用力计算公3环境扰动数学模型式为131风扰动数学模型A,(T(W,B=-y)1(W+)风的作用可分为平缓变化的风和快速变化的李文华,等:船舶动力定位系统数学模型参数辨识方法研究[5] Fossen T L. Handbook of Marine Craft Hydrodynamics and式中,T()x0是频域波浪偏移力公式fB是平均Motion Control[M]. Wiley Sons Ltd, 2011: 81-83.波浪方向:是随机的相角。[6] Balchen J G, Jenssen N A, Saelid S Dynamic Positioning可以通过对本估算式进行改变,以避免在数值Using Kalman Filtering and Optimal Control Theory[C]/上产生无物理意义的高频分量。还可对本式进行扩Proceedings of IFAC/IFIP Symposium on Automation in展,用来包括波浪蔓延( wave spreading)。Offshore Oil Field Operation Norway 1976: 183-18633海流扰动数学模型[7]Balchen J G, Jenssen N A Mathisen E, et al. Dynamic作用在海上动力定位船舶上的海流具有方向和Positioning System Based on Kalman Filtering and OptimalControl[J]Modeling, Identification and ControL 1980, 1(3)速度的特征,研究中一般不考虑在大地坐标系下铅135-163垂方向运动。海流分为恒定流和潮汐流。恒定流一般[8] Strand JP, Fossen t inonlinear Passive Observer Design为固定方向和速度的海流,如洋流。潮汐流指海洋for Ships with Adaptive Wave Filtering, In: New Directions因为潮汐运动而引起的海水流动,其典型的表现为in Nonlinear Observer Design(Nijmeijer H, Fossen T L)海流方向的缓慢变化。但对于动力定位来说,海流[M].London: Springer-Verlag London Ld, 1999: 113-134的大小与方向可以认为是确定的,所以海流的模型[9] Guttorm t, Jerome J, Fosset I. Nonlinear Dynamic可以统一按照大小和方向恒定来确立。流的速度分Positioning of Ships with Gain-Scheduled Wave Filtering量表示为5:[C]//The Proceedings of 43rd IEEE Conference orL=V2cos(ψ)Decision and Control, Atlantis, Paradise Island, BahamasDecemher2004:5340-5347ve=y sin(8-n)式中:和v分别为流速在X轴和y轴的分量;V10 i Do K d. Global Robust and Adaptive Output FeedbackDynamic Positioning of Surface Ships[C]/The Proceedings和月分别代表流速和流向。如图1所示。of 2007 IEEE Internati在此没有考虑第摇方向的流速,而海流对水面Automation. Roma, April 2007: 10-14船舶的作用可以通过将各海流速度分量引人到船的1]王晓声船舶动力定位系统设计及试验研究门J国造运动方程中由相对速度向量v=[u-,-a,r丁体现。船,1991(3):12-21[12]边信黔,严渐平,施小成船舶动力定位系统参数辨识4结论方法的研究[J]船舶工程,19994):36-38[13]姜哲,石珦,王磊动力定位船舶水动力参数数值试验本文讨论了船舶及推进器动力学数学模型与船研究[门]实验室研究与搡索,2005(12):14-17.舶外界环境干扰因素数学模型的建模策略。通过对14]李文魁张博田蔚风等.一种波浪中的船舶动力定位已有研究方法的分析研究与总结,有助于建立适用运动建模方法研究[]仪器仪表学报,2007(6):1051于各种海况和操作模式的船舶动力定位系统非线性数学模型。[15]施小成王元慧船舶动力定位海洋环境的建模与仿真J,计算机仿真,2006(11):237-239[16]刘芙蓉陈辉基于非线性控制理论的船舶动力定位控[参考文献制系统的数学模型[〕船海工程,209(5):92-95[1]杜佳璐,张显库汪思源,等船舶动力定位系统的自适[17]邓志良,胡寿松,张军峰船舶动力定位系统的在线模应非线性控制器设计[ C]/proceedings of the2 g chinese型预测控制[门中国造船,2009(6):879Control Conference. Beijing, 2010: 585-589.[2]周利,王磊,陈恒动力定位控制系统研究[船海[18] Fossen T I.Identification of Dynamically Positioned Shipe[].Control Engineering Practice, Volume 4, Issue 3, March程,008,37(2)86-911996:369-376[3]马超庄亚锋陈俊英船舶动力定位系统技术[J中国[19] FaltinsenO M Sea Loads on Ships and Oishore Structures造船,2009,50(增刊):52-57[4]贾欣乐,杨盐生船舶运动数学模型机理建模与数学建[M].Cambridge University Press, 1990:41-45模[M]大连大连海事大学出版社,199:294-356船舶动力定位系统数学模型参数辨识方法研究旧WANFANG DATA文献链接作者:李文华,杜佳璐,张银东,宋健,孙玉清,陈海泉, LI Wen-hua, DU Jia-luZHANG Yin-dong, SONG Jian, SUN Yu-ging, CHEN Hai-quan作者单位李文华,张银东,宋健,孙玉清,陈海泉, LI Wen-hua, ZHANG Yin-dong, SONG Jian, suN Yu-qing, chen Hai-quan(大连海事大学轮机工程学院大连116026),杜佳璐, DU Jia-lu(大连海事大学信息科学技术学院大连116026)刊名:船舶英文刊名:Ship boat年,卷(期):2012,23(3)参考文献(19条1. Balchen J G; Jenssen N A; Mathisen E Dynamic Positioning System Based on Kalmon Filtering andOptimal Control 1980(03)2. Balchen J G; Jenssen N A; Saelid S Dynamic Positioning Using Kalman Filtering and Optimal ControlTheory 19763. Fossen T I Handbook of Marine Craft Hydrodynamics and Motion Control 20114贾欣乐;杨盐生船舶运动数学模型机理建模与数学建模19995.马超;庄亚锋;陈俊英船舶动力定位系统技术2009(增刊)6.周利;王磊;陈恒动力定位控制系统研究[期刊论文]船海工程2008(02)7. Faltinsen 0 M Sea Loads on Ships and Offshore Structures 19908. Fossen t I Identification of Dynamically Positioned Ships 19969.邓志良;胡寿松;张军峰船舶动力定位系统的在线模型预测控制2009(06)10.刘芙蓉;陈辉基于非线性控制理论的船舶动力定位控制系统的数学模型[期刊论文]船海工程2009(05)11.施小成;王元慧船舶动力定位海洋环境的建模与仿真[期刊论文]计算机仿真2006(11)12.李文魁;张博;田蔚风一种波浪中的船舶动力定位运动建模方法硏究[期刊论文]仪器仪表学报2007(06)13.姜哲;石珣;王磊动力定位船舶水动力参数数值试验硏究[期刊论文]实验室硏究与探索2005(12)14.边信黔;严浙平;施小成船舶动力定位系统参数辨识方法的硏究[期刊论文]船舶工程1999(01)15.王晓声船舶动力定位系统设计及试验研究1991(03)Do K d Global robust and Adaptive Output Feedback Dynamic Positioning of Surface Ships 200717. Guttorm T; Jer(o)me J; Fossen T I Nonlinear Dynamic Positioning of Ships with Gain-Scheduled WaveFiltering 200418. Strand J P; Fossen T I Nonlinear Passive Observer Design for Ships with Adaptive Wave Filtering19.杜佳璐;张显库;汪思源船舶动力定位系统的自适应非线性控制器设计2010本文链接http://d.g.wanfangdata.comcn/periodiCalcb201203011.aspx
- 2020-12-03下载
- 积分：1
opencv2.4.9源码分析——SIFT
详细介绍SIFT算法，opencv的SIFT源码分析，以及应用实例SIFT算法进行了改进,通过对两个相邻高斯尺度空间的图像相减,得到个DoG(高斯差分,Difference of gaussians)的响应值图像Dx,y,σ)来近似LoGD(x,y, o)=(G(x,y, ko)-G(x,y,o)O1(x,y)=L(x,y, ko)-L(x,y,a(5)其中,k为两个相邻尺度空间倍数的常数。可以证明DoG是对LoG的近似表示,并且用DoG代替LoG并不影响对图像斑点位賀的检测。而且用DoG近似LoG可以实现下列好处:第一是LoG需要使用两个方向的高斯二阶微分卷积核,而DoG直接使用晑斯卷积核,省去了卷积核生成的运算量;第二是DoG保留了个高斯尺度空间的图像,因此在生成某一空间尺度的特征时,可以直接使用公式1(或公式3)产生的尺度空间图像,而无需重新再次生成该尺度的图像:第三是DoG具有与LoG相同的性质,即稳定性好、抗干扰能力强。为了在连续的尺度下检测图像的特征点,需要建立DoG金宇塔,而DoG金宁塔的建立又离不开髙斯金字塔的建立,如下图所小,左侧为高斯金字塔,右侧为DoG金字塔:(nextoctave)Scale(firstoctave)Difference ofaussianGaussian(DOG)图1高斯金字塔和DoG金字塔高斯金字塔共分O组( Octave),每组又分S层( Layer)。组内各层图像的分辨率是相同的,即长和宽相同,但尺度逐渐增加,即越往塔顶图像越模糊。而下·组的图像是由上组图像按照隔点降采样得到的,即图像的长和宽分别减半。高斯金字塔的组数O是由输入图像的分辨牽得到的,因为要进行隔点降采样,所以在执行降釆样生成高斯金字塔时,一直到不能降采样为止,但图像太小又亳无意义,因此具体的公式为:0=| log2 min(x,y)-2」(6)其中,X和Y分别为输入图像的长和宽,L」衣示向下取整。金字塔的层数S为:(7)LoWe建议s为3。需要注意的是,除了公式7中的第一个字母是大写的S外,后面出现的都是小写的s髙斯金字塔的创建是这样的:设输入图像的尺度为0.5,由该图像得到高斯金字塔的第0组的第0层图像,它的尺度为m,我们称m为基准层尺度,再由第0层得到第1层,它的尺度为ko,第2层的尺度为k2o,以此类推。这里的k为:(8)我们以s=3为例,第0组的6(s+3=6)幅图像的尺度分别为:0,ko0,k2∞,k3o0,k∞o,k5o(9)写成更一般的公式为:d=or∈[0,,s+2](10)第0组构建完成后,再构建第1组。第1组的第0层图像是由第0组的倒数第3层图像经过隔点采样得到的。由公式10可以得到,第0组的倒数第3层图像的尺度为k∞o,k的值代入公式8,得到了该层图像的尺度正好为2∞,因此第1组的第0层图像的尺度仍然是2∞。但由于第1组图像是由第0组图像经隔点降采样得到的,因此相对于第1组图像的分辨率来说,第θ层图像的尺度为ω,即尺度为2σ是相对于输入图像的分辨率来说的,而尺度为∞是相对丁该组图像的分辨率来说的。这也就是为什么我们称0为基准层尺度的原因(它是每组图像的基准层尺度)。第1组其他层图像的生成与第0组的相同。因此可以看出,第1组各层图像的尺度相对于该组分辨率来说仍然满足公式10。这样做的好处就是编程的效率会提高,并且也保证∫高斯金字塔尺度空间的连续性。而之所以会出现这样的结果,是因为在参数选择上同吋满足公式7、公式8以及对上·组倒数第3层图像降釆样这三个条件的原因。那么第1组各层图像相对」输入图像来说,它们的尺度为:=2k00r∈[0,,S-2该公式与公式10相比较可以看出,第1组各层图像的尺度比第0组相对应层图像的尺度人了一倍。高斯金字塔的其他组的构建以此类推,不再赘述。下面给出相对于输入图像的各层图像的尺度公式:o,)=2k∞O∈[0,O-1l,r∈[0,,+2(12)其中,O表示组的坐标,r表示层的坐标,a为基准层尺度。k用公式8代入,得:2O∈[0,…0-1],r∈[0,…,s+2](13)在高斯金字塔中,第0组第∂层的图像是输入图像经髙斯模糊后的结果,模糊后的图像的高频部分必然会减少,因比为了最大程度的保留原图的信息量,LoWe建议在创建尺度空间前首先对输入图像的长宽扩展一倍,这样就形成了高斯金字塔的第-1组。设输入图像的尺度为0.5,那么相对于输入图像,分辨率护人一倍后的尺度应为1,由该图像依次进行高斯平滑处理得到第-1组的各个层的尺度图像,方法与其他组的一样。由于增加」第-1组,因此公式13重新写为(0∈[-1,0,…,0-1],r∈[0,…,s+2](14)DoG金字塔是由高斯金字塔得到的,即高斯金宁塔组内相邻两层图像相减得到DoG金字塔。如髙斯金字塔的第0组的筼0层和第1层相减得到DoG金字塔的第0组的箅0层图像,高斯金字塔的第0组的第1层和第2层相减得到υσG金字塔的第θ组的第1层图像以此类推。需要注意的是,高斯金字塔的组内相邻两层相减,而两组间的各层是不能相减的因此高斯金字塔每组有s+3层图像,而DoG金宁塔每组则有s+2层图像。极值点的搜索是在DoG金字塔内进行的,这些极值点就是候选的特征点。在搜索之前,我们需要在DoG金字塔内剔除那些像素值过小的点,因为这些像素具有较低的对比度,它们肯定不是稳定的特征点。极值点的搜索不仅需要在它所在尺度空间图像的邻域内进行,还需要在它的相邻尺度空间图像内进行,如图2所示。每个像素在它的尺度图像中一共有8个相邻点,而在它的下一个相邻尺度图像和上个相邻尺度图像还各有9个相鸰点(图2中绿色标注的像素),也就是说,该点是在3×3×3的立方体内被包围着,因此该点在DoG金字塔内一共有26个相邻点需要比较,来判断其是否为极大值或极小值。这里所说的相邻尺度图像指的是在同个组内,因此在DoG金字塔内,每一个组的第0层和最后一层各只有一个相邻尺度图像,所以在搜索极值点时无需在这两层尺度图像内进行,从而使极值点的搜索就只在每组的中间s层尺度图像内进行。搜索的过程是这样的:从每组的第1层开始,以第1层为当前层,对第1层的DoG图像中的每个点取·个3×3×3的立方体,立方体上下层分别为第0层和第2层。这样,搜索得到的极值点既有位置坐标(该点所在图像的空间坐标),又有尺度空间坐标(该点所在层的尺度)。当第1层搜索完成后,再以第2层为当前层,其过程与第1层的搜索类似,以此类推。Scale图2DoG中极值点的搜索2、特征点的定位通过上一步,我们得到了极值点,但这些极值点还仅仅是候选的特征点,因为它们还存在一些不确定的因素。首先是极值点的搜索是在离散空间内进行的,并且这些离散空间还是经过不断的降采样得到的。如果把采样点拟合成由面后我们会发现,原先的极值点并不是真正的极值点,也就是离散空间的极值点并不是连续空间的极值点。在这里,我们是需要精确定位特征点的位置和尺度的,也就是要达到亚像素精度,因此必须进行拟合处。我们使用泰勒级数展开式作为拟合函数。如上所述,极值点是·个三维矢量,即它包括极值点所在的尺度,以及它的尺度图像坐标,即=(x,y,o),因此我们需要三维函数的泰勒级数展开式,设我们在=(x0,y,)处进行泰勒级数展开,则它的矩阵形式为:602f02f02fdxax day dao02f02f02faxdy ayay ayaallly-yol2f02f02fOrdo aydo dodo(15)公式15为舍去高阶项的形式,而它的矢量表示形式为f(X)=f(X0)+o￥(X-x0)+7(x-x0)a F(X-Xo(16)在这里表示离散空间卜的插值中心(在离散空问内也就是采样点)坐标,表示拟合后连续空间下的插值点坐标,设ⅹ=Ⅹ-Xn,则X表示相对于插值中心,插值后的偏移量。因此公式16绎过变量变换后,又可写成:f(x)=f(X0)+yX+XTⅩX20X2(17)对上式求导,得af (x a02f0ox ox+2 ax2+axa80f.02fXaxaX2(18)让公式17的导数为0,即公式18为0,就可得到极值点下的相对于插值中心的偏移量:aX2 ax(19)把公式19得到的极值点带入公式17中,就得到了该极值点下的极值Tf(X)=f(X0)+af02f10f)a2f/02f-1of2 8X2 0X/0X28X2dXf(X0)+H打×1ora2Ta2f-ra2fa2f-1 af2 dx dx2dx2dx2 dXa f02f-10f∫(X0)+dF×f7a22 ax ax2 axaflf(Xo)+xx+2 0X(-X)18Ff(X0)+2 aX(20)对于公式19所求得的偏移量如果大」0.5(只要x、y和σ任意一个量大于0.5),则表明插值点已偏移到了它的临近的插值中心,所以必须改变当前的位置,使其为它所偏移到的插值中心处,然后在新的位置上重新进行泰勒级数插值拟合,直到偏移量小于0.5为止(x、y和σ都小于0.5),这是一个迭代的工程。当然,为了避免无限次的迭代,我们还需要设置个最人迭代次数,在达到了迭代次数但仍然没有满足偏移量小于0.5的情况下,该极值点就要被剔除掉。另外,如果由公式20所得到的极值f(X过小,即f(X1,则Tr(H)2(a+β)2(+β)2(y+1)2Det(h)2(25)上式的结果只与两个特征值的比例有关,而与具体的特征值无关。我们知道,当某个像系的矩阵的两个特征值相差越大,即γ很大,则该像素越有可能是边缘。对于公式25,当两个特征值相等时,等式的值最小,随着γ的增加,等式的值也增加。所以,要想检查主曲率的比值是否小于某一阈值y,只要检査下式是否成立即可:Tr(H)(y+1)Det(h)(26)对于不满足上式的极值点就不是特征点,因此应该把它们剔除掉。Lowe给出γ为10在上面的运算中,需要用到有限差分法求偏导,在这里我们给出具体的公式。为方便起见我们以图像为例只给出二元函数的实例。与二元函数类似,三元函数的偏导可以很容易的得到设f(i,是ν轴为i、x轴为j的图像像素值,则在(j点处的一阶、二阶及二阶混合偏导af f(i, j+1)-f(i, j0ff(i+1,j)-f(-1,ax2h2h(27)ff(+1)+f(-1)-2f(,j)a2ff(+1,j+f(-1,j)-2f(i,j)hh(28)2ff(-1,j-1)+f(i+1,j+1)-f(i-1,+1)-f(i+1,-1)dx d(29)由丁在图像中,相邻像素之问的间隔都是1,所以这里的h3、方向角度的确定经过上面两个步骤,一幅图像的特征点就可以完全找到,而且这些特征点是具有尺度不变性。但为了实现旋转不变性,还需要为特征点分配一个方向角度,也就是需要根据检测到的特征点所在的高斯尺度图像的局部结构求得一个方向基准。该高斯尺度图像的尺度a是已知的,并且该尺度是相对于高斯金字塔所在组的基准层的尺度,也就是公式10所表示的尺度。而所谓局部结构指的是在高斯尺度图像中以特征点为中心,以r为半径的区域内计算所有像素梯度的幅角和幅值,半径r为(30)其中a就是上面提到的相对于所在组的基准层的高斯尺度图像的尺度。像素梯度的幅值和幅角的计算公式为:m(xy)=√(x+1,y)-L(x-1,y)2+(L(x,y+1),L(x,y-1)2(31)L(x,y+1)-L(x,y-1)o(x, y)=arctanL(x+1,y)-L(x-1,y)(32)因为在以〃为半径的区域内的像素梯度幅值对圆心处的特征点的贡献是不同的,因此还需要对幅值进行加权处理,这里采用的是高斯加权,该高斯函数的方差Cm为:Om=1.50(33)其中,公式中的σ也就是公式30中的σ在完成特征点邻域范围内的梯度计算后,还要应用梯度方向直方图来统计邻域內内像素的梯度方向所对应的幅值大小。具体的做法是,把360°分为36个柱,则每10°为一个柱,即0°~9为第1柱,10°~19为第2柱,以此类推。在以r为半径的区域内,把那些梯度方向在0~9°范围内的像索找出来,把它们的加权后的梯度嘔值相加在一起,作为第1柱的柱高;求第2柱以及其他柱的高度的方法相同,不再赘述。为了防止某个梯度方向角度因受到噪声的干扰而突变,我们还需要对梯度方向直方图进行平滑处理。 Opencv2.4.9所使用的平滑公式为:H()~h(-2)+h(+2)4×(h(-1)+h(+1)),6×h()i=0...15161616(34)其中h和H分别表示平滑前和平滑后的直方图。由于角度是循环的,即0°=360°,如果出现h(),j超出了(0,…,15)的范围,那么可以通过圆周循环的方法找到它所对应的、在0°~360°之间的值,如h(-1)-h(15)这样,直方图的主峰值,即最高的那个柱体所代表的方向就是该特征点处邻域范围内图像棁度的主方向,也就是该特征点的上方向。由于柱体所代表的角度只是一个范围,如第1柱的角度为0~9°,因此还需要对离散的梯度方向直方图进行插值拟合处理,以得到更精确的方向角度值。例如我们凵经得到了第i柱所代表的方向为特征点的主方向,则拟合公式为:H(i-1)-H(i+1)B=i+=0,…152×(H(-1)+H(i+1)-2×H()(35)O=360-10xB(36)其中,H为由公式34得到的直方图,角度6的单位是度。同样的,公式35和公式36也存在着公式34所遇到的角度问题,处理的方法同样还是利用角度的圆周循环。每个特征点除了必须分配一个主方向外,还可能有一个或更多个辅方冋同,增加辅方向的目的是为了增强图像匹配的鲁棒性。辅方向的定义是,当存在另个柱体高度大于主方向柱体高度的80%时,则该柱体所代表的方向角度就是该特征点的辅方向。在第2步中,我们实现∫用两个信息量来表小一个特征点,即位置和尺度。那么经过上面的计算,我们对特征点的表示形式又增加了个信息量一一方向,即(x,y,o,6)。如果某个特征点还有一个辅方向,则这个特征点就要用两个值来表示——(x,y,,B1)和(x,y,,02),其中O1表示主方向,O2表示辅方向,而其他的变量x,y,不变。4、特征点描述符生成
- 2020-06-25下载
- 积分：1
