图像特征点的提取方法、装置及图像匹配方法与流程

1.本技术涉及图像处理领域，尤其涉及一种图像特征点的提取方法、装置及图像匹配方法。


背景技术：

2.在图像处理领域中，时常涉及到对图像中特征点的提取工作，特征点提取工作的准确性与否，将直接影响后续图像处理结果的可靠性。
3.目前，现有的图像特征点提取方法，比如基于orb(oriented fast and rotated brief)特征提取算法实现的提取方法，由于提取得到的特征点常常集中分布于部分区域中，存在提取到的特征点分布不够均匀的问题，如图2所示，提取到的特征点集中在图像右上部树梢位置，其他部位则很少分布，与实际情况区别较大，直接影响后续图像处理环节的准确性，进而影响行车安全。


技术实现要素：

4.本技术提供一种图像特征点的提取方法、装置及图像匹配方法，用以解决现有技术中图像特征点提取方法提取到的特征点分布不均匀的缺陷，实现对图像特征点更加均匀的提取。
5.第一方面，本技术提供一种图像特征点的提取方法，该方法包括：
6.确定目标图像中待提取的特征点的数量，并将所述目标图像划分为多个网格区域；
7.基于所述网格区域的数量以及所述目标图像中待提取的特征点的数量，分别确定各个所述网格区域中特征点的第一提取量；
8.基于各个所述网格区域中特征点的第一提取量，分别提取各个所述网格区域中的特征点，以得到所述目标图像中的特征点。
9.根据本技术提供的图像特征点的提取方法，所述基于各个所述网格区域中特征点的第一提取量，分别提取各个所述网格区域中的特征点，包括：
10.按照第一提取阈值分别提取每个所述网格区域中的特征点，得到每个所述网格区域中第一数量的特征点；
11.将所述第一数量与所述第一提取量进行比较，基于所述比较的结果，确定所述网格区域对应的特征点的第二提取量；
12.从所述网格区域中提取所述第二提取量的特征点。
13.根据本技术提供的图像特征点的提取方法，所述将所述第一数量与所述第一提取量进行比较，基于所述比较的结果，确定所述网格区域对应的特征点的第二提取量，包括：
14.若所述第一数量小于所述第一提取量，则按照第二提取阈值提取所述网格区域中的特征点，得到第二数量的特征点；其中，所述第二提取阈值小于所述第一提取阈值，所述第一提取阈值和所述第二提取阈值均用于表征所述网格区域中当前像素点与周围像素点
之间的特征差异；
15.将所述第二数量与所述第一提取量进行比较，得到第一比较结果；
16.将所述第二提取阈值与所述网格区域对应的最低提取阈值进行比较，得到第二比较结果；
17.基于所述第一比较结果和所述第二比较结果，确定所述网格区域对应的特征点的第二提取量。
18.根据本技术提供的图像特征点的提取方法，所述基于所述第一比较结果和所述第二比较结果，确定所述网格区域对应的特征点的第二提取量，包括：
19.在所述第一比较结果为所述第二数量小于所述第一提取量，且所述第二比较结果为所述第二提取阈值为所述网格区域对应的最低提取阈值的情况下，将所述第二数量作为所述网格区域对应的特征点的第二提取量；
20.基于所述第二数量以及所述第一提取量，确定所述网格区域对应的未提取的特征点的数量；
21.基于各个所述网格区域对应的第一数量和/或第二数量，将若干个所述网格区域作为二次提取区域；
22.基于所述网格区域中未提取的特征点的数量以及所述二次提取区域对应的特征点的第一提取量，确定所述二次提取区域对应的特征点的第二提取量。
23.根据本技术提供的图像特征点的提取方法，所述从所述网格区域中提取所述第二提取量的特征点之后，还包括：
24.若所述网格区域中在预设区域内存在若干个特征差异差值低于预设差值的特征点，则仅将特征差异最高的特征点作为所述网格区域中的特征点。
25.第二方面，本技术还提供一种图像匹配方法，该方法包括：
26.分别将捕获的第一图像帧和第二图像帧按照预设缩放比例逐级调整图像面积，得到所述第一图像帧对应的多个目标图像以及所述第二图像帧对应的多个目标图像；
27.确定所述目标图像中待提取的特征点的数量，并将所述目标图像划分为多个网格区域；
28.基于所述网格区域的数量以及所述目标图像中待提取的特征点的数量，分别确定各个所述网格区域中特征点的第一提取量；
29.基于各个所述网格区域中特征点的第一提取量，分别提取各个所述网格区域中的特征点，以分别得到所述第一图像帧对应的各个所述目标图像中的特征点以及所述第二图像帧对应的各个所述目标图像中的特征点，得到所述第一图像帧的特征点和所述第二图像帧的特征点；
30.基于所述第一图像帧的特征点和所述第二图像帧的特征点，对所述第一图像帧和所述第二图像帧进行匹配，得到图像匹配结果。
31.根据本技术提供的图像匹配方法，所述确定目标图像中待提取的特征点的数量，包括：
32.针对所述第一图像帧或所述第二图像帧，基于各个所述目标图像的图像面积以及预设的特征点的总数量，分别确定各个所述目标图像中待提取的特征点的数量。
33.根据本技术提供的图像匹配方法，所述基于所述第一图像帧的特征点和所述第二
图像帧的特征点，对所述第一图像帧和所述第二图像帧进行匹配，得到图像匹配结果，包括：
34.分别从所述第二图像帧的特征点中确定与所述第一图像帧中各个所述特征点对应的目标特征点；
35.若所述第一图像帧中一个所述特征点对应多个所述目标特征点，则将所述第一图像帧中所述特征点和所述第二图像帧中对应的各个所述目标特征点均剔除；
36.基于剔除后所述第一图像帧的特征点和剔除后所述第二图像帧的特征点，对所述第一图像帧和所述第二图像帧进行匹配，得到图像匹配结果。
37.根据本技术提供的图像匹配方法，基于剔除后所述第一图像帧的特征点和剔除后所述第二图像帧的特征点，对所述第一图像帧和所述第二图像帧进行匹配，得到图像匹配结果，包括：
38.基于剔除后所述第一图像帧的特征点和剔除后所述第二图像帧的特征点，建立所述第一图像帧与所述第二图像帧之间的特征点对集合；
39.确定所述特征点对集合中各个特征点对的描述子旋转角度，并根据所述描述子旋转角度将各个所述特征点对划分至相应的预设角度区间内；
40.基于若干个所述预设角度区间内的特征点对，对所述第一图像帧和所述第二图像帧进行匹配，得到图像匹配结果。
41.第三方面，本技术还提供一种图像特征点的提取装置，该装置包括：
42.第一处理模块，确定目标图像中待提取的特征点的数量，并将所述目标图像划分为多个网格区域；
43.第二处理模块，用于基于所述网格区域的数量以及所述目标图像中待提取的特征点的数量，分别确定各个所述网格区域中特征点的第一提取量；
44.第三处理模块，用于基于各个所述网格区域中特征点的第一提取量，分别提取各个所述网格区域中的特征点，以得到所述目标图像中的特征点。
45.本技术提供的图像特征点的提取方法、装置及图像匹配方法，通过将目标图像划分为多个网格区域，根据网格区域的数量以及目标图像中待提取的特征点的数量确定各个网格区域中特征点的第一提取量，并分别提取各个网格区域中的特征点，从而完成目标图像中特征点的提取工作，由于在对目标图像进行特征点提取过程中，是以网格区域为单位分别提取得到的，这样可以保证提取到的特征点分布在不同的网格区域内，进而使得最终提取到的特征点分布更加均匀，提高了行车安全性。
附图说明
46.图1是本技术提供的图像特征点的提取方法的流程示意图；
47.图2是本技术实施例中依现有技术中基于orb特征提取算法的特征点提取结果示意图；
48.图3是本技术实施例中图像特征点提取方法得到的提取结果示意图；
49.图4是本技术提供的图像特征点的提取装置的结构示意图；
50.图5是本技术提供的图像匹配方法的流程示意图；
51.图6是本技术提供的图像匹配装置的结构示意图；
52.图7是本技术提供的电子设备的结构示意图。
具体实施方式
53.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术中的附图，对本技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
54.下面结合附图1至附图7所示的实施例对本技术提供的图像特征点的提取方法、装置及图像匹配方法作进一步说明。
55.图1示出了本技术实施例提供的图像特征点的提取方法，该方法包括：
56.步骤101：确定目标图像中待提取的特征点的数量，并将目标图像划分为多个网格区域；
57.步骤102：基于网格区域的数量以及目标图像中待提取的特征点的数量，分别确定各个网格区域中特征点的第一提取量；
58.步骤103：基于各个网格区域中特征点的第一提取量，分别提取各个网格区域中的特征点，以得到目标图像中的特征点。
59.在本实施例中，目标图像中待提取特征点的数量指的是整个目标图像需要提取的特征点的总数量，该数量可以根据实际需要人为设定，在目标图像为某一帧图像经过一系列缩放后形成的多个图像中的其中之一时，该目标图像中待提取的特征点的数量也可以根据实际缩放比例以及该图像帧中待提取的特征点的总数确定。
60.在网格区域划分时，可以按照固定的网格尺寸对目标图像进行划分，比如目标图像的尺寸为500
×
500，每个网格区域的网格尺寸为50
×
50，这种情形下，可以划分得到100个网格区域，如果目标图像中待提取的特征点的数量为n，每个网格区域中特征点的第一提取量即为n/100，进而分别提取各个网格区域中的特征点，即可得到目标区域中的特征点。
61.由于特征点提取过程中，是以网格区域为单位分区域提取得到的，可以保证提取到的特征点分布于多个网格区域内，避免特征点集中分布于某个区域的问题，进而可以提高提取到的特征点的分布均匀性，从而提高了行车安全性。
62.在示例性实施例中，基于各个网格区域中特征点的第一提取量，分别提取各个网格区域中的特征点，具体可以包括：
63.按照第一提取阈值分别提取每个网格区域中的特征点，得到每个网格区域中第一数量的特征点；
64.将第一数量与第一提取量进行比较，基于比较的结果，确定网格区域对应的特征点的第二提取量；
65.从网格区域中提取第二提取量的特征点。
66.在本实施例中，特征点提取过程中可以先采用统一的第一提取阈值在每个网格区域中进行特征点提取，之后将按照第一提取阈值提取到的特征点数量，即第一数量与第一提取量进行比较，如果第一数量充足，即第一数量大于或等于第一提取量，则按照第一提取阈值提取该网格区域内的特征点即可；
67.如果按照第一提取阈值提取到的特征点数量不足，即第一数量小于第一提取量，
则可以针对该网格区域适当降低提取阈值，也就是降低对该网格区域中像素点特征差异的容忍度，以提取到更多的特征点，最终确定的特征点提取量即为第二提取量，最终各个网格区域将按照确定好的第二提取量进行特征点的提取工作。
68.由于本实施例可以根据各个网格区域的实际情况，针对性的调整提取阈值，可以提高各个网格区域内特征点提取工作的有效性，从而进一步保证特征点的分布均匀性。
69.进一步地，将第一数量与第一提取量进行比较，基于比较的结果，确定网格区域对应的特征点的第二提取量，具体可以包括：
70.若第一数量小于第一提取量，则按照第二提取阈值提取网格区域中的特征点，得到第二数量的特征点；其中，第二提取阈值小于第一提取阈值，第一提取阈值和第二提取阈值均用于表征网格区域中当前像素点与周围像素点之间的特征差异；
71.将第二数量与第一提取量进行比较，得到第一比较结果；
72.将第二提取阈值与网格区域对应的最低提取阈值进行比较，得到第二比较结果；
73.基于第一比较结果和第二比较结果，确定网格区域对应的特征点的第二提取量。
74.本实施例针对的是部分网格区域按照第一提取阈值提取到的特征点不足的情形，此情形下，可以按照低于第一提取阈值的第二提取阈值提取特征点，之后将按照第二提取阈值提取到的特征点的数量，即第二数量与第一提取量进行比较，同时将第二提取阈值与该网格区域对应的最低提取阈值进行比较，基于上述两个比较环节的比较结果，可以确定该网格区域对应的特征点的第二提取量。
75.如果第二数量大于或等于第一提取量，且第二提取阈值高于最低提取阈值，说明按照第二提取阈值在该网格区域内可以提到到足够多的特征点，则可以按照第二提取阈值对该网格区域进行特征提取，否则，也将按照第二提取阈值进行提取，但该网格区域未提取到的一定数量的特征点将通过特征点充足的部分网格区域补全。
76.在本实施例中，第一提取阈值和第二提取阈值指的是网格区域中像素点之间的特征差异阈值，像素点之间的特征差异可以通过像素点之间的像素值差异或灰度值差异确定，为了容忍部分网格区域特征点之间较小的特征差异性，在无法基于第一提取阈值提取到足够多的特征点的情况下，可以适当降低提取阈值，通过较低的第二提取阈值进行特征点的提取工作，从而通过设置多级角点阈值的方式提高了各个网格区域的有效性。
77.更进一步地，基于第一比较结果和第二比较结果，确定网格区域对应的特征点的第二提取量，具体可以包括：
78.在第一比较结果为第二数量小于第一提取量，且第二比较结果为第二提取阈值为网格区域对应的最低提取阈值的情况下，将第二数量作为网格区域对应的特征点的第二提取量；
79.基于第二数量以及第一提取量，确定网格区域对应的未提取的特征点的数量；
80.基于各个网格区域对应的第一数量和/或第二数量，将若干个网格区域作为二次提取区域；
81.基于网格区域中未提取的特征点的数量以及二次提取区域对应的特征点的第一提取量，确定二次提取区域对应的特征点的第二提取量。
82.本实施例为按照第二提取阈值仍无法提取到足够数量的特征点的情形，此情形下，由于第二提取阈值已经达到最低提取阈值，无法通过调整提取阈值的方式来获得更多
的特征点，因此，该网格区域只能提取到第二数量的特征点。
83.由于上述网格区域中无法提取到足够数量的特征点，针对特征点充足的网格区域，需要增加特征点的提取数量以补全部分网格区域特征点不足的情形，从而通过特征点密度分裂的方式保证最终提取到的特征点的总数不变。
84.可以理解的是，本实施例中二次提取区域指的是特征点充足的网格区域，可以根据先前提取过程中第一数量、第二数量或者第一数量和第二数量综合考虑确定，二次提取区域的数量可以根据实际需要合理设定，比如可以根据未提取的特征点的总数以及特征点充足的网格区域内的特征点数量确定二次提取区域的数量。
85.二次提取区域对应的特征点的第二提取量可以基于网格区域中未提取的特征点的数量以及该二次提取区域的第一提取量确定，具体地，如果设定了多个二次提取区域，可以先将网格区域中未提取的特征点的数量进行平均分配，分配至各个二次提取区域，此时可以获知每个二次提取区域需要增加的特征点的数量，将该二次提取区域的第一提取量与需要增加的特征点的数量求和，即为该二次提取区域对应的第二提取量。
86.本实施例通过调整部分网格区域特征点提取数量的方式，可以避免部分特征点不足的网格区域对整个目标图像特征点提取数量的影响，在保证特征点提取数量要求的同时，最大程度上提高了特征点的分布均匀性。
87.在示例性实施例中，从网格区域中提取第二提取量的特征点之后，还可以包括：
88.若网格区域中在预设区域内存在若干个特征差异差值低于预设差值的特征点，则仅将特征差异最高的特征点作为网格区域中的特征点。
89.在本实施例中，考虑到每个网格区域中在一定的区域内可能存在多个特征点特征相近的情况，此时可能存在噪点，为了避免噪点对提取结果的干扰，本实施例在确定存在若干个特征差异差值低于预设差值的特征点，即确定存在特征差异相近的多个特征点之后，仅保留特征差异极限值的特征点，本实施例中特征相似的特征点具体指的是特征差异均较高的特征点，此时仅将特征差异最高的特征点保留，将其余的特征点剔除，从而通过非极大值抑制的方式保证了提取到的特征点的准确性。
90.为了验证上述图像特征点提取方法的有效性，针对同一目标图像，本实施例将基于orb特征提取算法的特征点提取结果与上述图像特征点提取方法得到的提取结果进行比对，以自动驾驶场景为例，利用上述两种图像特征点的提取方法从同一张自动驾驶图像中提取500个特征点，图2示出了基于orb特征提取算法的特征点提取结果，图3示出了上述图像特征点提取方法得到的提取结果，通过比对图2和图3可以发现，基于上述图像特征点提取方法提取到的特征点分布更加均匀。
91.下面对本技术提供的图像特征点的提取装置进行描述，下文描述的图像特征点的提取装置与上文描述的图像特征点的提取方法可相互对应参照。
92.图4示出了本技术实施例提供的图像特征点的提取装置，该装置包括：
93.第一处理模块401，确定目标图像中待提取的特征点的数量，并将目标图像划分为多个网格区域；
94.第二处理模块402，用于基于网格区域的数量以及目标图像中待提取的特征点的数量，分别确定各个网格区域中特征点的第一提取量；
95.第三处理模块403，用于基于各个网格区域中特征点的第一提取量，分别提取各个
网格区域中的特征点，以得到目标图像中的特征点。
96.在示例性实施例中，第三处理模块403具体可以用于：
97.按照第一提取阈值分别提取每个网格区域中的特征点，得到每个网格区域中第一数量的特征点；
98.将第一数量与第一提取量进行比较，基于比较的结果，确定网格区域对应的特征点的第二提取量；
99.从网格区域中提取第二提取量的特征点。
100.进一步地，第三处理模块403具体可以通过如下过程实现将第一数量与第一提取量进行比较，基于比较的结果，确定网格区域对应的特征点的第二提取量：
101.若第一数量小于第一提取量，则按照第二提取阈值提取网格区域中的特征点，得到第二数量的特征点；
102.将第二数量与第一提取量进行比较，得到第一比较结果；
103.将第二提取阈值与网格区域对应的最低提取阈值进行比较，得到第二比较结果；
104.基于第一比较结果和第二比较结果，确定网格区域对应的特征点的第二提取量；
105.其中，第二提取阈值小于第一提取阈值，第一提取阈值和第二提取阈值均用于表征网格区域中当前像素点与周围像素点之间的特征差异。
106.更进一步地，第三处理模块403具体可以通过如下过程实现基于第一比较结果和第二比较结果，确定网格区域对应的特征点的第二提取量：
107.在第一比较结果为第二数量小于第一提取量，且第二比较结果为第二提取阈值为网格区域对应的最低提取阈值的情况下，将第二数量作为网格区域对应的特征点的第二提取量；
108.基于第二数量以及第一提取量，确定网格区域对应的未提取的特征点的数量；
109.基于各个网格区域对应的第一数量和/或第二数量，将若干个网格区域作为二次提取区域；
110.基于网格区域中未提取的特征点的数量以及二次提取区域对应的特征点的第一提取量，确定二次提取区域对应的特征点的第二提取量。
111.在示例性实施例中，本技术提供的图像特征点的提取装置，还可以包括第四处理模块，第四处理模块具体可以用于：
112.在网格区域中在预设区域内存在若干个特征差异差值低于预设差值的特征点的情况下，仅将特征差异最高的特征点作为网格区域中的特征点。
113.综上所述，本技术实施例提供的图像特征点的提取装置，通过第一处理模块将目标图像划分为多个网格区域，通过第二处理模块根据网格区域的数量以及目标图像中待提取的特征点的数量确定各个网格区域中特征点的第一提取量，并通过第三处理模块分别提取各个网格区域中的特征点，从而完成目标图像中特征点的提取工作，由于在对目标图像进行特征点提取过程中，是以网格区域为单位分别提取得到的，这样可以保证提取到的特征点分布在不同的网格区域内，进而使得最终提取到的特征点分布更加均匀，提高了行车安全性。
114.图5示出了本技术实施例提供的图像匹配方法，该方法包括：
115.步骤501：分别将捕获的第一图像帧和第二图像帧按照预设缩放比例逐级调整图
像面积，得到第一图像帧对应的多个目标图像以及第二图像帧对应的多个目标图像；
116.步骤502：确定目标图像中待提取的特征点的数量，并将目标图像划分为多个网格区域；
117.步骤503：基于网格区域的数量以及目标图像中待提取的特征点的数量，分别确定各个网格区域中特征点的第一提取量；
118.步骤504：基于各个网格区域中特征点的第一提取量，分别提取各个网格区域中的特征点，以分别得到第一图像帧对应的各个目标图像中的特征点以及第二图像帧对应的各个目标图像中的特征点，得到第一图像帧的特征点和第二图像帧的特征点；
119.步骤505：基于第一图像帧的特征点和第二图像帧的特征点，对第一图像帧和第二图像帧进行匹配，得到图像匹配结果。
120.本实施例提供的图像匹配方法主要实现第一图像帧与第二图像帧的图像匹配，在特征点提取前，通过逐级缩放的方式先分别将第一图像帧和第二图像帧进行缩放，具体可以通过金字塔各层提取机制进行缩放，本实施例具体是将第一图像帧和第二图像帧分别按照预设缩放比例逐级缩小，比如可以将第一图像帧或第二图像帧按照1.2倍的缩小比例依次缩小7次，得到7张目标图像。
121.之后，提取各个目标图像中的特征点，得到第一图像帧的特征点和第二图像帧的特征点，从而可以对第一图像帧和第二图像帧进行匹配。
122.本实施例提供的图像匹配方法通过金字塔各层提取机制可以得到每个图像帧对应的不同面积的目标图像，便于后续图像匹配环节相应的特征点能够成功匹配，基于上述实施例提供的图像特征点提取方法，可以提取分布更加均匀的特征点，从而提高了图像匹配结果的准确性。
123.在实际应用过程中，可以先将捕获的原始图像进行预处理，比如对于自动驾驶场景中捕获的原始图像，可以通过预处理环节去除动态物体，具体可以利用yolo(you only look once)目标检测算法去除掉车头等部位，从而得到可以用于图像匹配的第一图像帧和第二图像帧。
124.在示例性实施例中，确定目标图像中待提取的特征点的数量，具体可以包括：
125.针对第一图像帧或第二图像帧，基于各个目标图像的图像面积以及预设的特征点的总数量，分别确定各个目标图像中待提取的特征点的数量。
126.根据待提取的特征点的总数量以及缩放后各目标图像的面积，可以确定各目标图像中待提取的特征点的数量，可以理解的是，目标图像的图像面积越小，该目标图像中待提取的特征点越少，具体可以根据比例关系计算得到。
127.在示例性实施例中，基于第一图像帧的特征点和第二图像帧的特征点，对第一图像帧和第二图像帧进行匹配，得到图像匹配结果，具体可以包括：
128.分别从第二图像帧的特征点中确定与第一图像帧中各个特征点对应的目标特征点；
129.若第一图像帧中一个特征点对应多个目标特征点，则将第一图像帧中的特征点和第二图像帧中对应的各个目标特征点均剔除；
130.基于剔除后第一图像帧的特征点和剔除后第二图像帧的特征点，对第一图像帧和第二图像帧进行匹配，得到图像匹配结果。
131.考虑到第一图像帧中部分特征点在第二图像帧中存在多个相似点的情况，此时该特征点将匹配到多个目标特征点，影响图像匹配结果的准确性，本实施例在发现上述特征点存在后，将该特征点以及对应的多个目标特征点均剔除，从而通过相似点排除的方式去除噪点，提高了图像匹配的准确性。
132.进一步地，基于剔除后第一图像帧的特征点和剔除后第二图像帧的特征点，对第一图像帧和第二图像帧进行匹配，得到图像匹配结果，具体可以包括：
133.基于剔除后第一图像帧的特征点和剔除后第二图像帧的特征点，建立第一图像帧与第二图像帧之间的特征点对集合；
134.确定特征点对集合中各个特征点对的描述子旋转角度，并根据描述子旋转角度将各个特征点对划分至相应的预设角度区间内；
135.基于若干个预设角度区间内的特征点对，对第一图像帧和第二图像帧进行匹配，得到图像匹配结果。
136.在本实施例中，考虑到不同特征点对对应的描述子旋转角度存在差异，为了避免极端状态的特征点对图像匹配结果的影响，本实施例将各个特征点对划分至相应的预设角度区间内，仅通过部分预设角度区间内的特征点对进行图像匹配，从而通过统计描述子旋转角度的方式进一步提高了图像匹配的准确性，使得该图像匹配装置鲁棒性更优。
137.下面对本技术提供的图像匹配装置进行描述，下文描述的图像匹配装置与上文描述的图像匹配方法可相互对应参照。
138.图6示出了本技术提供的图像匹配装置，该装置包括：
139.第五处理模块601，用于分别将捕获的第一图像帧和第二图像帧按照预设缩放比例逐级调整图像面积，得到第一图像帧对应的多个目标图像以及第二图像帧对应的多个目标图像；
140.第六处理模块602：确定目标图像中待提取的特征点的数量，并将目标图像划分为多个网格区域；
141.第七处理模块603：基于网格区域的数量以及目标图像中待提取的特征点的数量，分别确定各个网格区域中特征点的第一提取量；
142.第八处理模块604：基于各个网格区域中特征点的第一提取量，分别提取各个网格区域中的特征点，以分别得到第一图像帧对应的各个目标图像中的特征点以及第二图像帧对应的各个目标图像中的特征点，得到第一图像帧的特征点和第二图像帧的特征点；
143.第九处理模块605：基于第一图像帧的特征点和第二图像帧的特征点，对第一图像帧和第二图像帧进行匹配，得到图像匹配结果。
144.在示例性实施例中，第六处理模块602具体可以通过如下过程实现确定目标图像中待提取的特征点的数量：
145.针对第一图像帧或第二图像帧，基于各个目标图像的图像面积以及预设的特征点的总数量，分别确定各个目标图像中待提取的特征点的数量。
146.在示例性实施例中，第九处理模块605具体可以用于：
147.分别从第二图像帧的特征点中确定与第一图像帧中各个特征点对应的目标特征点；
148.若第一图像帧中一个特征点对应多个目标特征点，则将第一图像帧中特征点和第
二图像帧中对应的各个目标特征点均剔除；
149.基于剔除后第一图像帧的特征点和剔除后第二图像帧的特征点，对第一图像帧和第二图像帧进行匹配，得到图像匹配结果。
150.进一步地，第九处理模块605具体可以通过如下过程实现基于剔除后第一图像帧的特征点和剔除后第二图像帧的特征点，对第一图像帧和第二图像帧进行匹配，得到图像匹配结果：
151.基于剔除后第一图像帧的特征点和剔除后第二图像帧的特征点，建立第一图像帧与第二图像帧之间的特征点对集合；
152.确定特征点对集合中各个特征点对的描述子旋转角度，并根据描述子旋转角度将各个特征点对划分至相应的预设角度区间内；
153.基于若干个预设角度区间内的特征点对，对第一图像帧和第二图像帧进行匹配，得到图像匹配结果。
154.综上所述，本技术实施例提供的图像匹配装置，通过第五处理模块利用金字塔各层提取机制可以得到每个图像帧对应的不同缩放比例的目标图像，便于后续图像匹配环节相应的特征点能够成功匹配，通过第六处理模块至第八处理模块利用改进的图像特征点的提取方法可以提取到分布更加均匀的特征点，从而提高了图像匹配装置的准确性和可靠性。
155.图7示例了一种电子设备的实体结构示意图，如图7所示，该电子设备可以包括：处理器(processor)701、通信接口(communications interface)702、存储器(memory)703和通信总线704，其中，处理器701，通信接口702，存储器703通过通信总线704完成相互间的通信。处理器701可以调用存储器703中的逻辑指令，以执行图像特征点的提取方法，该方法包括：确定目标图像中待提取的特征点的数量，并将目标图像划分为多个网格区域；基于网格区域的数量以及目标图像中待提取的特征点的数量，分别确定各个网格区域中特征点的第一提取量；基于各个网格区域中特征点的第一提取量，分别提取各个网格区域中的特征点，以得到目标图像中的特征点。
156.此外，上述的存储器703中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
157.另一方面，本技术还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各实施例所提供的图像特征点的提取方法，该方法包括：确定目标图像中待提取的特征点的数量，并将目标图像划分为多个网格区域；基于网格区域的数量以及目标图像中待提取的特征点的数量，分别确定各个网格区域中特征点的第一提取量；基于各个网格区域中特征点的第一提取量，分别提取各个网格区域中的特征点，以得到目
标图像中的特征点。
158.又一方面，本技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行以实现上述各实施例所提供的图像特征点的提取方法，该方法包括：确定目标图像中待提取的特征点的数量，并将目标图像划分为多个网格区域；基于网格区域的数量以及目标图像中待提取的特征点的数量，分别确定各个网格区域中特征点的第一提取量；基于各个网格区域中特征点的第一提取量，分别提取各个网格区域中的特征点，以得到目标图像中的特征点。
159.以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
160.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
161.最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。
162.本公开中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
163.本公开的保护范围不限于上述的实施例，显然，本领域的技术人员可以对本公开进行各种改动和变形而不脱离本公开的范围和精神。倘若这些改动和变形属于本公开权利要求及其等同技术的范围，则本公开的意图也包含这些改动和变形在内。