基于并行计算的图像特征提取方法.pdf

《基于并行计算的图像特征提取方法.pdf》由会员分享，可在线阅读，更多相关《基于并行计算的图像特征提取方法.pdf（18页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201911171390.8 (22)申请日 2019.11.26 (71)申请人 清华大学 地址 100084 北京市海淀区清华园1号 (72)发明人 孟子阳马晗刘嘉诚 (74)专利代理机构 北京清亦华知识产权代理事 务所(普通合伙) 11201 代理人 廖元秋 (51)Int.Cl. G06K 9/00(2006.01) G06K 9/46(2006.01) (54)发明名称 一种基于并行计算的图像特征提取方法 (57)摘要 本发明提出一种基于并行计算的图像特征 提取方法， 。

2、属于视觉图像处理技术领域。 该方法 基于FAST-BRIEF算法。 首先获取RGB图片并转为 灰度图， 然后采用并行加速机制对图片进行FAST 特征点的提取， BRIEF描述子的计算等操作， 最终 得到特征点信息。 本方法利用并行加速的方法加 快了FAST-BRIEF算法的实现， 相比CPU上的串行 执行机制， 算法的运行速度有较大的提升。 权利要求书2页 说明书10页 附图5页 CN 110991291 A 2020.04.10 CN 110991291 A 1.一种基于并行计算的图像特征提取方法， 其特征在于， 包括以下步骤： 1)从第一随机存取储存器RAM中读取一张RGB图片数据到可编程。

3、逻辑门阵列FPGA； 2)把步骤1)读取的RGB图片转为对应的灰度图， RGB图片中每个像素点的转变方式如 下： S0.299*R+0.587*B+0.114*G 其中R、 G、 B分别为RGB图片的该像素点的R、 G、 B值， S是该像素点转变后的灰度值； 3)对步骤2)中得到的灰度图进行复制， 得到相同的两张灰度图， 分别记为灰度图1和灰 度图2； 4)对灰度图1进行特征点检测， 对灰度图2进行GAUSSIAN高斯滤波； 具体步骤如下： 4-1)判断灰度图1的每个像素点是否满足FAST条件， 判断规则是： 对于灰度图1上的所 有像素点， 考察每个像素点7*7邻域内以该像素点为圆心、 半径是。

4、3个像素点的圆周上的共 计16个像素点和圆心点的灰度值差异； 令Ii表示任一圆周上第i个像素点的像素灰度值， i 1,216， Ip表示该圆周对应的圆心点的像素灰度值， t为设置的灰度阈值； 若圆周上的任 一像素点的像素值小于圆心点的像素值与灰度阈值之差， 则判定该像素点为更暗Darker； 若圆周上的任一像素点的像素值大于圆心点的像素值与灰度阈值之和， 则判定该像素点为 更亮Brighter； 若圆周上任一像素点中既不满足更暗也不满足更亮， 则判定该像素点为与 圆心点相似Similar； 表达式如下： 当圆周上16个像素点中有连续的9个像素点均满足更暗或者均满足更亮时， 则该该圆 周对应圆心。

5、点判定为满足FAST条件； 否则， 该圆心点判定为不满足FAST条件； 式(2)中的f(Ii)是圆周上的第i个像素点按照式(1)的方法比较之后的结果； 判断像素点是否满足FAST条件时， 将圆周上的16个像素点放入到16个FPGA寄存器当 中， 并行进行如式(1)所示的减法运算； 减法结果和比较结果储存在不同的寄存器中； 然后， 判断储存比较结果的寄存器中是否存在连续9个或者9个以上的数据相同； 4-2)对步骤4-1)中得到的所有满足FAST条件的圆心对应的像素点进行分值计算， 分值 计算的方法如式(3)、 (4)、 (5)所示； 当圆周上的有连续9个像素点比圆心点更亮时， 则计算该圆周对应的。

6、Vmin， 表示选取该 圆周上像素点与圆心点灰度值的差的最小值； 当圆周上有连续9个像素点比圆心点更暗时， 则计算计算该圆周对应的Vmax， 表示选取该圆周上像素点与圆心点灰度值的差的最大值； 最 终计算得到该圆周所对应的圆心的分数值Score， 表示选取|Vmax|， Vmin和t中的最大值； Vminmin(Ip-Ii)|i1， 2， 3， .， 16， if Ip-Iit (3) Vmaxmax(Ip-Ii)|i1， 2， 3， .， 16， if Ip-Ii-t (4) Scoremax(|min(-t， Vmax)|， max(t， Vmin) (5) 分值计算采用4-1)中得到的储。

7、存减法结果的寄存器， 得到灰度值的差； 对于选取相邻9 权利要求书 1/2 页 2 CN 110991291 A 2 个圆周上的像素点对应的该像素点与圆心点灰度值的差的最大值， 首先比较相邻的两个寄 存器中的值， 取出较大值存到第二级寄存器组中； 然后再从第二级寄存器组中取出间隔为1 的两个寄存器中的值进行比较， 选出较大值存到第三级寄存器组中； 最后从第三级寄存器 组中取出间隔为2的两个寄存器中的值进行比较， 选出最大值存到第四级寄存器中； 第四级 寄存器中的值即为第一级寄存器相邻8个差值中的最大值； 在把第四级寄存器中的值取出 与相邻的第9个值相比较， 取出较大值存到第五级寄存器中； 第五。

8、级寄存器中的值为9个值 中的最大值； 对于选取相邻9个圆周上的像素点对应的该像素点与圆心点灰度值的差的最小值， 首 先比较相邻的两个寄存器中的值， 取出较小的值存到第二级寄存器组中； 然后再从第二级 寄存器组中取出间隔为1的两个寄存器中的值进行比较， 选出较小的值存到第三级寄存器 组中； 最后从第三级寄存器组中取出间隔为2的两个寄存器中的值进行比较， 选出较小的值 存到第四级寄存器中； 第四级寄存器中的值即为第一级寄存器相邻8个差值中的较小的值； 再把第四级寄存器中的值取出与相邻的第9个值相比较， 取出较小的值存到第五级寄存器 中； 第五级寄存器中的值为9个值中的最小值； 4-3)利用步骤4-。

9、2)计算得到的分值进行非极大值抑制； 非极大值抑制在以步骤4-1)得 到的集合中每个像素点作为正方形的中心点， 大小为3*3的正方形区域内进行； 最后用二值 图像mask储存每个像素点对应的非极大值抑制后的结果， 留下的像素点值为1， 其它像素点 值为0； Mask中， 在步骤4-1)中判定不满足FAST条件的像素点的值设为0； 所述非极大值抑制方法是： 用正方形中心点的分值与周围8个点的分值做比较， 如果中 心点的分值高于周围8个点， 则中心点即为最后所要选取的特征点， 将该中心点分值设为1， 否则就舍弃该中心点； 最终特征点的检测结果储存在二值图像mask中； 分值计算之后3*3区域的分值。

10、储存在3*3大小的分值寄存器中， 并行比较中心点与周围 8个点的大小， 最后把比较结果做与运算， 如果最后结果为0则舍弃该中心点， 如果最后结果 为1则保留该中心点； 4-4)对灰度图2进行高斯滤波得到滤波之后的灰度图， 滤波的核大小为3*3的窗口， x y5； 其中 x是二维高斯函数x方向上的方差，y是二维高斯函数y方向上的方差； 5)将步骤4)得到的mask数据复制两份， 分别为mask1和mask2； 6)将mask1用于BRIEF描述子计算， 将mask2输出到第二RAM中， 得到RGB图片的FAST- BRIEF特征； 6-1)利用mask1和步骤4-4)得到的滤波之后的灰度图， 计。

11、算每个特征点对应的BRIEF描 述子； 计算方法为选取以特征点为中心的49*49大小的矩形区域内的128个点对， 用以下公 式比较128个点对， 得到该特征点对应的一个长度为128位的二进制描述子； 式中P(s)表示 点s(x， y)T的灰度值， B(P)是图像块P的描述子； B(P)1in2i-1 (P； si， di) (7) 6-2)将128位描述子分为4个32位的数据分别输出； FAST特征点的在mask图像中的坐标 及对应的128位的描述子即为步骤1)的RGB图片的FAST-BRIEF特征。 权利要求书 2/2 页 3 CN 110991291 A 3 一种基于并行计算的图像特征提取。

12、方法 技术领域 0001 本发明涉及视觉图像处理领域， 具体涉及一种基于并行计算的图像特征提取方 法。 背景技术 0002 无人机和无人车等无人平台的广泛应用减轻了人们的劳动负担， 降低了工作的危 险性， 可以让人类完成很多以前无法完成的任务。 而无人平台的定位和路径规划需要用到 同步定位与建图(SLAM)技术。 该技术是指无人平台搭载特定的传感器主体在没有环境先验 信息的情况下于运动过程中建立环境的模型， 同时估计自己的运动； 也就是在未知的环境 中使无人机或无人车等移动平台一方面能够明白自身的状态(即位置)， 另一方面也要了解 外在的环境(即地图)。 SLAM技术相当于是无人系统的眼睛， 。

13、为无人系统的自主导航提供了 基础。 SLAM技术让很多应用成为了现实， 比如扫地机器人能够在陌生的环境中执行扫地任 务， 自动驾驶汽车逐渐走入人们的视野， 虚拟现实应用也逐渐进入人们的生活。 0003 视觉SLAM方法主要包括三个线程： 位姿跟踪， 后端优化， 以及回环检测。 其中位姿 跟踪主要依赖于图像特征提取。 图像特征提取的计算量很大， 需要多次重复相同的计算， 因 此图像特征提取是整个视觉SLAM方法中最耗时的部分。 提高图像特征提取的速度是提高整 个视觉SLAM方法性能的关键。 0004 在现有的视觉SLAM的方法中， Oriented FAST and Rotated BRIEF(。

14、ORB)有方向性 的加速段测试特征和旋转快速二进制描述子生成算法是性能和质量的一个折中， ORB特征 提取的基础是Features From Accelerated Segment Test(FAST)加速段测试特征和 Binary Robust Independent Elementary Features(BRIEF)快速二进制描述子生成算法 描述子的计算， 对FAST特征点和BRIEF描述子的并行加速是提高ORB算法运行速度的关键。 对FAST特征点和BRIEF描述子的并行加速是提高ORB算法运行速度的关键。 在FAST-BRIEF的 计算过程中， 需要储存很多中间数据， 例如， 201。

15、3年韩国首尔西京大学的Hoon Heo等人提出 的基于可编程逻辑门阵列(FPGA)的FAST-BRIEF结构， 采用非数据流的方法， 缺点是需要采 用外部储存来进行帧缓存， 这会消耗大量的储存资源； 2012年韩国高等技术研究院， Jun- Seok Park等人提出的基于字符匹配的FAST结构， 采用非数据流的方法， 缺点是也需要采用 外部的储存空间来做帧储存， 另外还需要一个用于顺序输入一维文本形式的匹配数据的机 制。 0005 所以在保证ORB算法有效性的同时， 降低储存空间的消耗， 也是使得ORB算法能够 应用于嵌入式系统的关键。 发明内容 0006 本发明的目的是为克服已有技术的不足。

16、之处， 提出一种基于并行计算的图像特征 提取方法。 本发明利用FPGA上并行加速的方法， 来加速FAST特征点提取算法和BRIEF描述子 的计算， 以此为基础来加速特征提取算法。 本方法采用数据流的方法， 能够降低储存的消 说明书 1/10 页 4 CN 110991291 A 4 耗， 该方法能够应用到嵌入式平台上， 加速ORB算法。 0007 本发明一种基于并行计算的图像特征提取方法， 其特征在于， 包括以下步骤： 0008 1)从第一随机存取储存器RAM中读取一张RGB图片数据到可编程逻辑门阵列FPGA； 0009 2)把步骤1)读取的RGB图片转为对应的灰度图， RGB图片中每个像素点。

17、的转变方式 如下： 0010 S0.299*R+0.587*B+0.114*G 0011 其中R、 G、 B分别为RGB图片的该像素点的R、 G、 B值， S是该像素点转变后的灰度值； 0012 3)对步骤2)中得到的灰度图进行复制， 得到相同的两张灰度图， 分别记为灰度图1 和灰度图2； 0013 4)对灰度图1进行特征点检测， 对灰度图2进行GAUSSIAN高斯滤波； 具体步骤如下： 0014 4-1)判断灰度图1的每个像素点是否满足FAST条件， 判断规则是： 对于灰度图1上 的所有像素点， 考察每个像素点7*7邻域内以该像素点为圆心、 半径是3个像素点的圆周上 的共计16个像素点和圆心。

18、点的灰度值差异； 令Ii表示任一圆周上第i个像素点的像素灰度 值， i1,216， Ip表示该圆周对应的圆心点的像素灰度值， t为设置的灰度阈值； 若圆周上 的任一像素点的像素值小于圆心点的像素值与灰度阈值之差， 则判定该像素点为更暗 Darker； 若圆周上的任一像素点的像素值大于圆心点的像素值与灰度阈值之和， 则判定该 像素点为更亮Brighter； 若圆周上任一像素点中既不满足更暗也不满足更亮， 则判定该像 素点为与圆心点相似Similar； 表达式如下： 0015 0016 当圆周上16个像素点中有连续的9个像素点均满足更暗或者均满足更亮时， 则该 该圆周对应圆心点判定为满足FAST条。

19、件； 否则， 该圆心点判定为不满足FAST条件； 0017 0018 式(2)中的f(Ii)是圆周上的第i个像素点按照式(1)的方法比较之后的结果； 0019 判断像素点是否满足FAST条件时， 将圆周上的16个像素点放入到16个FPGA寄存器 当中， 并行进行如式(1)所示的减法运算； 减法结果和比较结果储存在不同的寄存器中； 然 后， 判断储存比较结果的寄存器中是否存在连续9个或者9个以上的数据相同； 0020 4-2)对步骤4-1)中得到的所有满足FAST条件的圆心对应的像素点进行分值计算， 分值计算的方法如式(3)、 (4)、 (5)所示； 0021 当圆周上的有连续9个像素点比圆心点。

20、更亮时， 则计算该圆周对应的Vmin， 表示选 取该圆周上像素点与圆心点灰度值的差的最小值； 当圆周上有连续9个像素点比圆心点更 暗时， 则计算计算该圆周对应的Vmax， 表示选取该圆周上像素点与圆心点灰度值的差的最大 值； 最终计算得到该圆周所对应的圆心的分数值Score， 表示选取|Vmax|， Vmin和t中的最大 值； 0022 Vminmin(Ip-Ii)|i1， 2， 3， .， 16， if Ip-Iit (3) 0023 Vmaxmax(Ip-Ii)|i1， 2， 3， .， 16， if Ip-Ii-t (4) 0024 Scoremax(|min(-t， Vmax)|， m。

21、ax(t， Vmin) (5) 说明书 2/10 页 5 CN 110991291 A 5 0025 分值计算采用4-1)中得到的储存减法结果的寄存器， 得到灰度值的差； 对于选取 相邻9个圆周上的像素点对应的该像素点与圆心点灰度值的差的最大值， 首先比较相邻的 两个寄存器中的值， 取出较大值存到第二级寄存器组中； 然后再从第二级寄存器组中取出 间隔为1的两个寄存器中的值进行比较， 选出较大值存到第三级寄存器组中； 最后从第三级 寄存器组中取出间隔为2的两个寄存器中的值进行比较， 选出最大值存到第四级寄存器中； 第四级寄存器中的值即为第一级寄存器相邻8个差值中的最大值； 在把第四级寄存器中的 。

22、值取出与相邻的第9个值相比较， 取出较大值存到第五级寄存器中； 第五级寄存器中的值为 9个值中的最大值； 0026 对于选取相邻9个圆周上的像素点对应的该像素点与圆心点灰度值的差的最小 值， 首先比较相邻的两个寄存器中的值， 取出较小的值存到第二级寄存器组中； 然后再从第 二级寄存器组中取出间隔为1的两个寄存器中的值进行比较， 选出较小的值存到第三级寄 存器组中； 最后从第三级寄存器组中取出间隔为2的两个寄存器中的值进行比较， 选出较小 的值存到第四级寄存器中； 第四级寄存器中的值即为第一级寄存器相邻8个差值中的较小 的值； 再把第四级寄存器中的值取出与相邻的第9个值相比较， 取出较小的值存到。

23、第五级寄 存器中； 第五级寄存器中的值为9个值中的最小值； 0027 4-3)利用步骤4-2)计算得到的分值进行非极大值抑制； 非极大值抑制在以步骤4- 1)得到的集合中每个像素点作为正方形的中心点， 大小为3*3的正方形区域内进行； 最后用 二值图像mask储存每个像素点对应的非极大值抑制后的结果， 留下的像素点值为1， 其它像 素点值为0； Mask中， 在步骤4-1)中判定不满足FAST条件的像素点的值设为0； 0028 所述非极大值抑制方法是： 用正方形中心点的分值与周围8个点的分值做比较， 如 果中心点的分值高于周围8个点， 则中心点即为最后所要选取的特征点， 将该中心点分值设 为1。

24、， 否则就舍弃该中心点； 最终特征点的检测结果储存在二值图像mask中； 0029 分值计算之后3*3区域的分值储存在3*3大小的分值寄存器中， 并行比较中心点与 周围8个点的大小， 最后把比较结果做与运算， 如果最后结果为0则舍弃该中心点， 如果最后 结果为1则保留该中心点； 0030 4-4)对灰度图2进行高斯滤波得到滤波之后的灰度图， 滤波的核大小为3*3的窗 口，x y5； 其中 x是二维高斯函数x方向上的方差，y是二维高斯函数y方向上的方差； 0031 5)将步骤4)得到的mask数据复制两份， 分别为mask1和mask2； 0032 6)将mask1用于BRIEF描述子计算， 将。

25、mask2输出到第二RAM中， 得到RGB图片的 FAST-BRIEF特征； 0033 6-1)利用mask1和步骤4-4)得到的滤波之后的灰度图， 计算每个特征点对应的 BRIEF描述子； 计算方法为选取以特征点为中心的49*49大小的矩形区域内的128个点对， 用 以下公式比较128个点对， 得到该特征点对应的一个长度为128位的二进制描述子； 式中P (s)表示点s(x， y)T的灰度值， B(P)是图像块P的描述子； 0034 0035 B(P)1in2i-1 P； si， di) (7) 0036 本发明的特点及有益效果在于 0037 本发明提出一种基于并行计算的图像特征提取方法， 。

26、该方法结合了图像特征提取 说明书 3/10 页 6 CN 110991291 A 6 算法FAST-BRIEF以及FPGA上并行加速的方法。 该方法首先输入摄像头采集得到的RGB图片， 然后将RGB图片转为灰度图， 把灰度图数据流复制为两份， 一份进行FAST特征点检测， 另一 份进行高斯滤波。 最后利用FAST特征点检测得到的结果和高斯滤波得到的结果进行BRIEF 描述子的计算， 并把FAST特征点检测结果输出到RAM。 其中FAST特征点检测和高斯滤波并 行， FAST特征点检测结果的输出与BRIEF描述子的计算并行。 0038 在FAST特征点计算中， 判断像素点是否满足FAST条件， 。

27、并行进行中心像素点和周 围像素点灰度值的减法， 在计算分值的过程中采用并行比较的方法得出最大值和最小值， 非极大值抑制过程中采用并行比较分值的方法。 BRIEF描述子的计算过程中， 点对的比较并 行进行。 该发明采用数据流的结构能够减少储存空间的用量， 并且在实施过程中采用并行 计算的结构能够加快FAST-BRIEF算法的运行速度。 这使得ORB算法可以在嵌入式低功耗的 平台上运行， 拓展了其应用场景， 可以应用到小型低功耗的移动平台和实时性要求高的平 台。 附图说明 0039 图1是本发明方法的整体流程图。 0040 图2是本发明实施例中并行进行特征点周围点的比较和减法运算的结构图。 004。

28、1 图3是本发明实施例中并行判断特征点是否满足FAST条件的结构图。 0042 图4是本发明实施例中求连续分布的9个差值中的最大值的结构图。 0043 图5是本发明实施例中求连续分布的9个差值中的最小值的结构图。 0044 图6是本发明实施例中非极大值抑制并行结构示意图。 0045 图7是本发明实施例中BRIEF描述子的取点位置图。 0046 图8是本发明实施例中描述子的计算的并行结构示意图。 具体实施方式 0047 本发明提出一种基于并行计算的图像特征提取方法， 下面结合附图和具体实施 例， 对本发明进一步详细说明如下。 0048 本发明提出一种基于并行计算的图像特征提取方法， 整体流程如图。

29、1所示， 包括以 下步骤： 0049 1)从第一随机存取储存器(RAM)中读取一张RGB图片数据到可编程逻辑门阵列 FPGA。 0050 2)把步骤1)读取的RGB图片转为对应的灰度图， RGB图片中每个像素点的转变方式 如下： 0051 S0.299*R+0.587*B+0.114*G 0052 其中R、 G、 B分别为RGB图片的该像素点的R、 G、 B值， S是该像素点转变后的灰度值； 0053 3)对步骤2)中得到的灰度图进行复制， 得到相同的两张灰度图， 分别记为灰度图1 和灰度图2； 0054 4)对灰度图1进行特征点检测， 对灰度图2进行GAUSSIAN高斯滤波； 具体步骤如下：。

30、 0055 4-1)判断灰度图1的每个像素点是否满足FAST条件， 判断规则是： 对于灰度图1上 的所有像素点， 考察每个像素点7*7邻域内以该像素点为圆心、 半径是3个像素点的圆周上 说明书 4/10 页 7 CN 110991291 A 7 的共计16个像素点和圆心点的灰度值差异。 判断方法如下,Ii表示圆周上第i个像素点的像 素灰度值(i1,216)， Ip表示该圆周对应的圆心点的像素灰度值， t为设置的灰度阈值 (通常取圆心点灰度值的20)。 若圆周上的任一像素点的像素值小于圆心点的像素值与灰 度阈值之差， 则该圆周上的像素点被判定为更暗； 若圆周上的任一像素点的像素值大于圆 心点的像。

31、素值与灰度阈值之和， 则该圆周上的像素点被判定为更亮； 圆周上任一像素点中 既不满足更暗(Darker)也不满足更亮(Brighter)， 则该圆周上的像素点被判定为与圆心点 相似(Similar)。 表达式如下： 0056 0057 当圆周上16个像素点中至少有连续的9个像素点均满足更暗(Darker)或者均满足 更亮(Brighter)时(即该连续的9个像素点判定结果一致， 均为更暗或者更亮)， 则该圆周对 应圆心点判定为满足FAST条件； 否则， 该圆心点判定为不满足FAST条件。 0058 0059 式(2)中的f(Ii)是圆周上的第i个像素点按照式(1)的方法比较之后的结果。 判断 。

32、像素点是否满足FAST条件时， 将16个像素点放入到16个FPGA寄存器当中， 并行进行如式(1) 所示的减法运算如图2(a)所示和比较运算如图2(b)所示。 减法结果和比较结果储存在不同 的寄存器中。 然后， 判断储存比较结果的寄存器中是否存在连续9个或者9个以上的数据相 同， 如图3所示。 对灰度图1中每个像素点对应的7*7邻域进行如上操作， 得到灰度图1中所有 满足FAST条件的圆心对应的像素点组成满足FAST条件的像素点集合； 0060 所述16个FPGA寄存器之后连接比较器， 比较器再连接比较结果寄存器； 16个FPGA 寄存器之后同时连接减法器， 减法器之后再连接减法结果寄存器。 。

33、0061 4-2)对步骤4-1)中得到的所有满足FAST条件的圆心对应的像素点进行分值计算， 分值计算的方法如式(3)、 (4)、 (5)所示， 其中Ii表示任一圆心点对应的圆周上16个像素点 的像素灰度值； Ip是圆心点像素的灰度值， t是灰度阈值。 0062 当圆周上至少有连续9个像素点比圆心点更亮时， 则计算该圆周对应的Vmin， 表示 选取该圆周上像素点与圆心点灰度值的差的最小值。 当圆周上至少有连续9个像素点比圆 心点更暗时， 则计算计算该圆周对应的Vmax， 表示选取该圆周上像素点与圆心点灰度值的差 的最大值。 0063 最终计算得到该圆周所对应的圆心的分数值Score， 表示选取。

34、|Vmax|， Vmin和t中的 最大值； 0064 Vminmin(Ip-Ii)|i1， 2， 3， .， 16， if Ip-Iit (3) 0065 Vmaxmax(Ip-Ii)|i1， 2， 3， .， 16， ifIp-Ii-t (4) 0066 Scoremax(|min(-t， Vmax)|， max(t， Vmin) (5) 0067 分值计算采用4-1)中得到的储存减法结果的寄存器， 从中得到灰度值的差。 图4是 本发明实施例中求连续分布的9个差值中的最大值的结构图。 0068 如图4所示， 首先比较相邻的两个寄存器中的值， 取出较大值存到第二级寄存器组 中。 然后再从第二级。

35、寄存器组中取出间隔为1的两个寄存器中的值进行比较， 选出较大值存 说明书 5/10 页 8 CN 110991291 A 8 到第三级寄存器组中。 最后从第三级寄存器组中取出间隔为2的两个寄存器中的值进行比 较， 选出最大值存到第四级寄存器中。 第四级寄存器中的值即为第一级寄存器相邻8个差值 中的最大值。 在把第四级寄存器中的值取出与相邻的第9个值相比较， 取出较大值存到第五 级寄存器中。 第五级寄存器中的值为9个值中的最大值。 相邻9个值中的最小值的计算过程 与上述过程相同， 如图5所示， 首先比较相邻的两个寄存器中的值， 取出较小的值存到第二 级寄存器组中。 然后再从第二级寄存器组中取出间。

36、隔为1的两个寄存器中的值进行比较， 选 出较小的值存到第三级寄存器组中。 最后从第三级寄存器组中取出间隔为2的两个寄存器 中的值进行比较， 选出较小的值存到第四级寄存器中。 第四级寄存器中的值即为第一级寄 存器相邻8个差值中的较小的值。 再把第四级寄存器中的值取出与相邻的第9个值相比较， 取出较小的值存到第五级寄存器中。 第五级寄存器中的值为9个值中的最小值。 重复上述过 程， 可以计算得到所有连续9个点中的最大值和最小值。 最后按(5)式计算得到分值。 0069 4-3)利用步骤4-2)计算得到的分值进行非极大值抑制。 非极大值抑制在以步骤4- 1)得到的集合中每个像素点作为正方形的中心点，。

37、 大小为3*3的正方形区域内进行。 最后用 二值图像(mask)储存每个像素点对应的非极大值抑制后的结果， 留下的像素点值为1， 其它 像素点值为0。 0070 对满足FAST条件的像素点实施步骤4-2)后可以得到他们的分值， 不满足FAST条件 的像素点的值设为0。 方法是： 用区域中心点(圆心)的分值与周围8个点的分值做比较， 如果 中心点的分值高于周围8个点， 则中心点即为最后所要选取的特征点， 将该中心点分值设为 1， 否则就舍弃该中心点。 最终特征点的检测结果储存在二值图像mask中。 0071 分值计算之后3*3区域的分值储存在3*3大小的分值寄存器中， 并行比较中心点与 周围8个。

38、点的大小， 如图6所示。 最后把比较结果做与运算， 如果最后结果为0则舍弃该中心 点， 如果最后结果为1则保留该中心点。 0072 4-4)对灰度图2进行高斯滤波得到滤波之后的灰度图， 滤波的核大小为3*3的窗 口，x y5。 其中 x是二维高斯函数x方向上的方差，y是二维高斯函数y方向上的方差。 0073 在步骤4)中步骤4-4)与4-1)、 4-2)、 4-3)并行。 0074 5)将步骤4)得到的mask数据复制两份， 分别为mask1和mask2。 0075 6)mask1用于BRIEF描述子计算， mask2输出到第二RAM中， 得到RGB图片的FAST- BRIEF特征。 0076。

39、 6-1)利用mask1和步骤4-4)中计算得到滤波之后得到的灰度图， 计算每个特征点 对应的BRIEF描述子。 计算方法为选取以特征点(即满足FAST条件的点)为中心的49*49矩形 区域内的128个点对， 用以下公式比较这128个点对， 得到该特征点对应的一个长度为128位 的二进制描述子。 式中P(s)表示点s(x， y)T的灰度值， B(P)是图像块P的描述子。 0077 0078 B(P)1in2i-1 P； si， di) (7) 0079 从以满足FAST条件的像素点为中心的49*49大小的寄存器中按照BRIEF描述子的 取点规则， 取出128个点对。 取点对的方法固定如图7所示。

40、， 具体原则是以满足FAST条件的点 为原点按照如下所示的坐标选取点对， 用线段连接的两个端点即为一个点对。 比较点对中 两个像素点的灰度值的大小关系， 比较过程并行执行， 过程示意图如图8。 说明书 6/10 页 9 CN 110991291 A 9 0080 本实施例128个点对坐标如下： 0081 (-2,-1)(7,-1) 0082 (-6,-23)(8,-9) 0083 (-14,9)(2,0) 0084 (0,12)(-3,19) 0085 (-13,13)(3,-1) 0086 (6,12)(21,3) 0087 (22,0)(7,-18) 0088 (4,12)(0,-19) 。

41、0089 (3,6)(22,-2) 0090 (4,-7)(0,16) 0091 (-20,17)(-18,7) 0092 (-2,4)(-1,6) 0093 (5,-7)(7,7) 0094 (11,0)(-3,2) 0095 (-11,6)(-10,13) 0096 (1,-1)(13,-10) 0097 (-14,-1)(-3,3) 0098 (-12,6)(-10,8) 0099 (7,-3)(22,6) 0100 (1,15)(-11,-5) 0101 (-16,17)(6,10) 0102 (-3,2)(14,1) 0103 (-1,-3)(0,18) 0104 (20,13)(3。

42、,5) 0105 (-13,14)(4,-4) 0106 (-6,-5)(-12,-1) 0107 (2,15)(19,-11) 0108 (-2,7)(6,8) 0109 (-5,13)(-8,11) 0110 (7,-12)(14,5) 0111 (1,-7)(14,0) 0112 (-19,14)(8,-14) 0113 (1,-2)(11,2) 0114 (-3,-1)(8,1) 0115 (-6,6)(-8,-5) 0116 (14,-1)(7,8) 0117 (7,15)(-5,0) 0118 (5,1)(-5,11) 说明书 7/10 页 10 CN 110991291 A 10。

43、 0119 (-4,22)(-5,3) 0120 (-8,-12)(5,0) 0121 (-13,8)(-18,-22) 0122 (1,-1)(9,18) 0123 (-18,6)(-7,3) 0124 (-8,-1)(-7,-9) 0125 (11,-4)(0,8) 0126 (0,-7)(-1,-1) 0127 (-12,1)(-5,-5) 0128 (-4,-13)(7,1) 0129 (1,6)(-10,-7) 0130 (3,6)(5,6) 0131 (-5,9)(7,-1) 0132 (7,-23)(-5,5) 0133 (2,-12)(19,-2) 0134 (3,-17)(-。

44、6,2) 0135 (1,-7)(2,-3) 0136 (-5,6)(-7,-11) 0137 (-1,-1)(-7,3) 0138 (-7,10)(-11,6) 0139 (-4,1)(-14,13) 0140 (8,-9)(15,0) 0141 (5,-11)(-9,-6) 0142 (-16,0)(6,8) 0143 (4,7)(8,-1) 0144 (1,-2)(12,-7) 0145 (13,2)(-1,0) 0146 (-7,-6)(5,-5) 0147 (-3,-7)(-10,-18) 0148 (0,-6)(-10,17) 0149 (3,-6)(-4,-15) 0150 (6。

45、,8)(5,-10) 0151 (19,-20)(17,-2) 0152 (6,-11)(-3,-22) 0153 (-19,-12)(4,3) 0154 (4,3)(19,-7) 0155 (17,3)(2,-8) 0156 (0,22)(-4,-15) 0157 (2,-6)(3,-20) 说明书 8/10 页 11 CN 110991291 A 11 0158 (22,11)(0,-3) 0159 (-1,-5)(15,2) 0160 (3,-5)(1,-5) 0161 (-14,5)(5,-3) 0162 (22,-2)(-11,-8) 0163 (4,-5)(0,11) 0164 (。

46、13,-4)(-3,-4) 0165 (8,3)(0,14) 0166 (-14,-2)(0,4) 0167 (3,-10)(-8,24) 0168 (15,4)(10,1) 0169 (8,10)(13,-2) 0170 (-18,5)(-4,5) 0171 (-7,2)(1,6) 0172 (-14,-1)(3,-2) 0173 (-6,2)(6,10) 0174 (19,0)(5,-17) 0175 (-3,-1)(7,-10) 0176 (-2,-2)(8,-10) 0177 (-2,8)(2,4) 0178 (14,7)(8,5) 0179 (2,3)(9,10) 0180 (-12。

47、,1)(-12,2) 0181 (4,-11)(5,5) 0182 (5,-7)(-6,5) 0183 (-5,-14)(7,5) 0184 (-7,-4)(15,-6) 0185 (-6,-1)(-6,-5) 0186 (4,0)(-20,4) 0187 (17,-9)(-2,8) 0188 (-7,-4)(17,-7) 0189 (-6,-6)(-15,7) 0190 (-23,-14)(-13,-19) 0191 (3,-6)(10,-18) 0192 (2,14)(8,7) 0193 (-11,8)(-15,5) 0194 (-1,14)(-5,-14) 0195 (-10,3)(4,。

48、9) 0196 (0,8)(3,22) 说明书 9/10 页 12 CN 110991291 A 12 0197 (11,-7)(7,1) 0198 (10,4)(4,-7) 0199 (-2,12)(-4,-15) 0200 (5,10)(0,24) 0201 (2,-21)(-3,2) 0202 (7,-11)(18,12) 0203 (-8,-6)(-1,12) 0204 (-8,-2)(9,-4) 0205 (-6,-3)(2,1) 0206 (-8,10)(-11,-2) 0207 (-7,-13)(-13,10) 0208 (3,9)(8,2) 0209 6-2)因为mask中每个。

49、像素点的像素值的数据类型是8位无符号整数， 在输出数据 时将4个像素点的像素值合并为一个数据， 也就是32位无符号整数之后再输出。 0210 6-3)128位描述子可以将其分为4个32位的数据分别输出。 FAST特征点的坐标 (mask图像中的坐标)及其对应的128位的描述子为输入的RGB图片的FAST-BRIEF特征。 步骤 (6)中(6-1)和(6-2)并行。 说明书 10/10 页 13 CN 110991291 A 13 图1 说明书附图 1/5 页 14 CN 110991291 A 14 图2 说明书附图 2/5 页 15 CN 110991291 A 15 图3 图4 说明书附图 3/5 页 16 CN 110991291 A 16 图5 图6 说明书附图 4/5 页 17 CN 110991291 A 17 图7 图8 说明书附图 5/5 页 18 CN 110991291 A 18 。