王雯艳，高珍宇
（南昌工学院，江西南昌 ３３０１０８）
摘 要：传统文旅品牌符号特征提取方法受到噪声影响，导致特征点提取不精准，为解决该问题，提出了基于多目立体视觉的城市文旅品牌符号特征提取方法。仿真实验结果表明，该方法特征点提取精准度高，为城市整体形象设计奠定了基础。
关键词：多目立体视觉；城市文旅；品牌符号；特征提取
中图分类号：ＴＰ３９１ ４１ 文献标识码：Ａ 文章编号：１６７３－４５１３（２０２１）－０３－０１４－０５
收稿日期：２０２０年０６月１０日
作者简介：王雯艳（１９８９－），女，江西南昌人，在读博士，讲师，主要研究方向：视觉设计。
高珍宇（１９９１－），女，江西抚州人，硕士，讲师，主要研究方向：环境设计、城市更新。
引言
对城市意象的研究，能够使城市的功能服从于城市的形态美。平面虽有形态美，却不能满足城市发展需要。将城市文化旅游品牌与城市美学理论相结合，设计文旅品牌符号。为提升文旅品牌符号设计效果，采用单幅散焦图像的局部特征模糊分割算法提取该符号特征，根据其数量不变性进行分类。图像的局部描述算子具有平移不变性，即当两幅图像因摄像机的平移而发生变化时，算子能够获取特征点，完成图像匹配。由于该方法的检测算子具有平移不变性，因此具有局限性。若像素位于光滑区域内，则与邻域内的其他像素无差异。若与邻域中的像素差别较大，该方法受到无旋转不变性约束，对噪声非常敏感。可移动文物多视角三维重建的拍摄方法首先提取了摄像机内外参数，并将特征信息与二维胶片上的稀疏点云相结合，通过扩展和插入目标对象来获得密集点云，通过摄影机采集符号图像进行实时三维重建。该方法虽然直观，但在实际应用中存在缺 陷，在受到噪声影响情况下两点集变换时，在目标点与集中特征点都存在多个对应点，无法精准提取品牌符号特征。为解决上述两种方法存在的缺陷，提出了基于多目立体视觉的城市文旅品牌符号特征提取方法。
一、基于多目立体视觉的城市文旅品牌符号特征提取
城市标志大多数是二维的，也有三维的，三维城市标志是指创造一个三维虚拟空间效果。符号具有“双层次”结构特征，同时也具有两个标记形式和标记内容的基本属性。针对城市文旅品牌符号特征提取，采用多目立体视觉技术进行详细分析。
（一）多目立体视觉三维坐标点重建使用多目立体视觉成像原理，通过多个摄像机从不同角度获取城市文旅品牌符号多幅图像，匹配点云数据，获取城市文旅品牌符号三维坐标信息，并将不同图像中同一空间物理点匹配出来，以此作为图像视差。多台摄像机主
２０２１Ｎｏ ３（ＴｏｔａｌＮｏ １６３）
北京城市学院学报
ＪＯＵＲＮＡＬＯＦＢＥＩＪＩＮＧＣＩＴＹＵＮＩＶＥＲＳＩＴＹ
２０２１年第３期
（总第１６３期）
要用来采集城市文旅品牌符号，得到对应模拟图像。通过图像数据采集卡将采集到的图像转化为数字图像，再传到主机，由主机完成图像处理工作。多目立体视觉成像原理如图１
所示。
图１ 多目立体视觉成像原理
设相机焦距为ｌ，不同图像中同一特征点之间距离为多目摄像机基线距，表示为ｓ。分别使用多目视觉多台摄像机获取城市文旅品牌符号图像，提取图像中的目标点ｋ，设坐标依次为Ｐ１＝（Ｘ１，Ｙ１）、Ｐ２＝（Ｘ２，Ｙ２）…Ｐｎ＝（Ｘｎ，Ｙｎ），同时设该点空间坐标为Ｐ＝（Ｘ，Ｙ，Ｚ）。依据多目视觉原理，充分考虑多台相机在同一平面状况，由图可确定，不同图像中的空间坐标点纵坐标一致。由三角相似关系可以得到如下公式：
Ｘ１＝ｌＸＺＸ２＝ｌ（Ｘ－Ｓ１－２）Ｚ…Ｘｎ
＝ｌ（Ｘ－Ｓｎ－１－ｎ）ＺＹ１＝Ｙ２…Ｙｎ＝ｌＹ
Ｚ
（１）
公式（１）中：Ｓ１－２
透风窗为前两台相机的基线距，以此类推，Ｓｎ－１－ｎ
为最后两台相机的基线距。设视觉差为α，令α＝Ｘ１－Ｘ２
，则目标点Ｐ１在多台相机坐标系下三维坐标为：
Ｘ＝ｓ
·Ｘ１αＹ＝
ｓ·Ｙ１αＺ＝
ｓ·ｌ
α
（２）
依据公式（２）可确定其他目标点三维坐标。（二）相机标定
用相机标定来描述平面像点和空间坐标之间的映射关系，构建三维坐标系间的对应关系。使用线性相机，通过小孔构建一种透射模型，该模型适用于物距大于透镜焦距的情况，以此作为相机标定基准。将空间中的点透过投影中心映射到平面上，得到相机坐标系与世界坐标系之间的关系，如图２
所示。
图２ 相机坐标系与世界坐标系之间关系
图２中Ｏ表示相机光心，Ｘｃ、Ｙｃ分别表示与像面坐标系平行的横纵坐标。Ｚｃ表示相机光轴，其与图像平面垂直，该平面坐标系原点Ｏ１与Ｚｃ轴相较于图像平面，坐标系Ｏ－ＸｃＹｃＺｃ为相机坐标系。设相机坐标系与世界坐标系之间关系如公式（３）所示：
ＺｃＸ′Ｙ′ ｌ＝ｌ００００ｌ０００００ ｌＸｃＹｃＺｃ
ｌ（３）
公式（３）中：（Ｘ′，Ｙ′）表示像点Ｐ′在像面坐标下的坐标。
·
５１·基于多目立体视觉的城市文旅品牌符号特征提取方法
（三）图像预处理
由于在图像采集过程中，受到噪声影响，进而影响后期图像处理效果。因此，在尽量保留图像细节特征的基础上，抑制图像噪声。通过使用中值滤波，能够将某一像素点领域窗口内所有像素点灰度值归集为该点像素值，进而消除单独孤立噪声点。
设Ｘ１，Ｘ２，…，Ｘｎ表示一组序列，按照由大到小顺序，对其依次排列，获取的中值ｒ如下所示：
ｒ＝Ｍｅｄ｛Ｘ１，Ｘ２，…，Ｘｎ｝＝ｘｉ
()
，ｎ为奇数
Ｍｅｄ｛Ｘ１，Ｘ２，…，Ｘｎ｝＝１２ｘｉ
(
)
＋ｘｉ＋(
)[]１
，ｎ{
为偶数
（
４）利用中值滤波进行平滑处理，将３×３作为中值滤波窗口，将该窗口放在图像之上，透过窗口可以得到去噪后图像。
（四）图像匹配图像匹配流程为：步骤１：检测尺度空间极值
将去噪后图像长宽扩大至原来一倍，将此作为第一组第一层通过高斯平滑处理后的图像，接下来几层图像都是通过这种方法得到的。每一层都是由上一层平滑获取的，也就是尺度空间极值点。
步骤２：特征点定位
根据上述已经得到的局部极值点，到关键点位置，确保图像伸缩性不变。
步骤３：确定特征点主方向
为了保证匹配旋转不变性，主要是将图像三维空间平均分为３
６个区间，在每个区间关键点设定指定方向区间，计算公式为：
（５）
θ
（Ｘ′，Ｙ′）＝ａｒｃｔａｎｂ（Ｘ′＋１，Ｙ′）－ｂ（Ｘ′－１，Ｙ′）
ｂ（Ｘ′，Ｙ′＋１）－ｂ（Ｘ′，Ｙ′－１）公式（５）中：ｂ表示尺度为各个特征点的尺度。确定主方向后，描述特征点就可以确定主方向。
步骤４
：特征点描述以特征点为中心选取１６×１６窗口，窗口又继续分为４个小窗口，分别表示特征点左、右上角和左、右下角。分别统计４个区域像素总
梯度值，按照不同方向分布，确定特征向量关键点。
步骤５
：当两幅图像特征向量生成后，使用关键点特征向量作为两幅图像中关键点相似性判断度量，选取原始图像中某个特征点，到离该点最近的两个特征点，如果该距离小于某个阈值，则可认定该点为匹配点。
（五）符号特征提取
在完成图像匹配后，将去噪后图像极值点作为特征点。去噪后图像上极值点不仅需要和当前尺度下图像邻域点对比，还需和该组邻域
像素点进行对比。为了更精准确定极值点位置，采用插值迭代方法，通过实验提取极值点达到亚像素精度。设特征点Ｐ″（Ｘ″，Ｙ″，Ｚ″）在极值点Ｄ（Ｘ０，Ｙ０，Ｚ０）处泰勒展开，并将该特征点平移到原点位于极值点处，则：
Ｐ″（ｍ）＝Ｐ″＋λ
Ｐ″Ｔλｍｍ＋１２ｍＴλ２
Ｐ″λｍ
２ｍ（６）公式（６）中：λ表示平移系数；ｍ＝
（ｘ″，ｙ″，ｚ″）Ｔ
表示极值点处最小点。对上述求导，
令导数为０，得到更精准关键点ｍ＾
，
即为：
ｍ＾
＝－λＰ″－１
λｍ２
光伏板安装λ
Ｐ″λｍ（７）
将公式（７）代入公式（６）中简化得到：
Ｐ″（ｍ＾
）＝Ｐ″＋
１２λＰ″Ｔ
λｍ
ｍ＾（８）
当对比度小于设定阈值时，所对应的特征点将被剔除，剩下的点即为城市文旅品牌符号特征点。
二、仿真实验
为了验证基于多目立体视觉的城市文旅品牌符号特征提取方法的实际应用效果，进行仿真实验分析。仿真实验硬件部分配置为：Ｗｉｎ ｄｏｗＸＰ、ＩｎｔｅｒＰｅｎｔｉｕｍＣＰＵ＋３ ０ＧＢ内存；软件部分借助ＯｐｅｎＣＶ工具，在ＶＳ２０１０环境下进行编程。实验目标是对城市文旅品牌符号特征点进行提取，以中国昆山城市标志为例。
分别采用文献［２］方法、文献［３］方法和本文所设计方法对中国昆山城市标志特征点匹配，分析内容如图３所示。
·６１·基于多目立体视觉的城市文旅品牌符号特征提取方法
在图３所示对比分析下，三种方法匹配结果如表１所示。
表 三种方法匹配结果文献［２］方法
文献［３］方法
本文所设计方法
图像１图像２图像１图像２图像１
图像２
特征点个数１６１６１４１４２３２３全部匹配个数
１６一水氢氧化锂
１６
１４
１４
２３
２３
匹配率１００％１００％１００％１００％１００％１００％
耗时
１８ｍｓ
１５ｍｓ
２０ｍｓ
由表１可知：文献［２］方法匹配特征点个数为１
６个，全部匹配，但图像未经过去噪处理，导致最终匹配图像十分模糊，无法确定所有应该匹配的特征点。文献［３］方法匹配特征点个数为１
４个，全部匹配，但最终匹配图像也受到噪声影响，中心部分十分模糊。使用本文所设计方法对图像进行去噪处理后，提取关键特征点，虽然耗时要比其余两种方法长，但匹配图像清楚。
图３ 三种方法标志特征点匹配滴胶卡制作
（ａ）文献［２］方法、文献［３］方法 （ｃ）本文所设计方法
图４ 三种方法特征点提取结果对比分析
为了保持实验条件一致，以时间２５ｓ为例，分别使用三种方法提取中国昆山城市标志特征点，结果如图４所示。
由图４可知：使用本文所设计方法提取到的特征点相比于其余两种方法更多，更能体现出标志特征，因此，使用基于多目立体视觉的城市文旅品牌符号特征提取方法具有应用优势。
三、结语
本文设计了一种基于多目立体视觉的城市文旅品牌符号特征提取方法，并通过仿真实验对该方法进行了验证分析。实验结果表明，该方法在图像预处理方面具有优势，能够实现对目标特征进行去噪处理的目标，提高特征点提取精度。虽然该方法主要应用于城市文旅品牌符号特征提取，具有精准提取结果，但同时还有许多需要研究的问题，针对仍需完善的问题，归结为以下两点：
对于摄像机标定而言，影响摄像机标定的因素还应考虑距离对标定的影响，即标定板与摄像机之间的距离对标定参数的影响以及标定
·
７１·基于多目立体视觉的城市文旅品牌符号特征提取方法
后参数的适用范围。
从立体匹配的角度分析，考虑城市文旅品牌应用环境和背景，特征匹配算法应进一步改进，针对摄像机拍摄到的首幅图像进行区域限制，通过累积已知尺寸的区域位置实现定位和跟踪，由此可以自动到需要实时匹配区域，提高程序实时性，由此实现特征提取全自动化。参考文献：
［１］乌兰．双目立体视觉图像多目标处理精确匹配仿
真［Ｊ］．计算机仿真，２０１９，３６（０７）：１９９－２０２．［２］王亮，田萱．单幅散焦图像的局部特征模糊分割
算法［Ｊ］．计算机科学，２０１８，４５（０２）：３１８－３２１．
［３］张蕾．可移动文物多视角三维重建的拍摄方法探
索［Ｊ］．华夏考古，２０１８，６（０１）：１２３－１２８．［４］王辰，郑顺义，朱锋博，等．一种基于多目视觉
的无人机实时定位方法［Ｊ］．测绘通报，２０１８，４９３（０４）：３６－３９＋９０．
［５］乔玉晶，高胜彪，皮彦超，等．多目立体视觉测
量网络节点的位姿优化方法［Ｊ］．激光与光电子学进展，２０１９，５６（０５）：１７８－１８５．
［６］廖小飞，庄新闯，公维涛，等．基于序列最小优
化的ＳＩＦＴ特征提取与匹配算法［Ｊ］．计算机仿真，２０１９，３６（０２）：２１９－２２３．
模板的制作［７］李俊．基于ＳＬＡＭ导航的多目视觉ＡＧＶ系统设计
［Ｊ］．包装工程，２０１８，３９（１９）：１８１－１８９．［８］李政源，马昕，李贻斌，等．基于最优投影平面
的立体视觉空间圆位姿高精度测量方法［Ｊ］．模式识别与人工智能，２０１９，３２（０１）：６４－７２．
ＦｅａｔｕｒｅＥｘｔｒａｃｔｉｏｎＭｅｔｈｏｄｏｆＵｒｂａｎＣｕｌｔｕｒａｌＴｏｕｒｉｓｍ
下水井ＢｒａｎｄＳｙｍｂｏｌＢａｓｅｄｏｎＭｕｌｔｉ ｖｉｅｗＳｔｅｒｅｏＶｉｓｉｏｎ
ＷＡＮＧＷｅｎｙａｎ，ＧＡＯＺｈｅｎｙｕ
（ＮａｎｃｈａｎｇＩｎｓｔｉｔｕｔｅｏｆＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎｃｈａｎｇ，Ｊｉａｎｇｘｉ３３０１０８，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｒａｄｉｔｉｏｎａｌｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｏｆｃｕｌｔｕｒａｌｔｏｕｒｉｓｍａｒｅａｆｆｅｃｔｅｄｂｙｎｏｉｓｅ，ｒｅｓｕｌｔｉｎｇｉｎｉｎａｃ ｃｕｒａｔｅｆｅａｔｕｒｅｐｏｉｎｔｅｘｔｒａｃｔｉｏｎ．Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｉｓｐｒｏｂｌｅｍ，ａｎｅｗｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｏｆｃｕｌｔｕｒａｌｔｏｕｒｉｓｍｂａｓｅｄｏｎｍｕｌｔｉ ｖｉｅｗｓｔｅｒｅｏｖｉｓｉｏｎｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｅｔｈｏｄｈａｓｈｉｇｈａｃｃｕｒａｃｙｉｎｆｅａｔｕｒｅｐｏｉｎｔｅｘｔｒａｃｔｉｏｎ，ｗｈｉｃｈｌａｙｓａｆｏｕｎｄａｔｉｏｎｆｏｒｔｈｅｏｖｅｒａｌｌｉｍａｇｅｄｅｓｉｇｎｏｆｔｈｅｃｉｔｙ．Ｋｅｙｗｏｒｄｓ：ｍｕｌｔｉ ｖｉｅｗｓｔｅｒｅｏｖｉｓｉｏｎ；ｕｒｂａｎｃｕｌｔｕｒａｌｔｏｕｒｉｓｍ；ｂｒａｎｄｓｙｍｂｏｌ；ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ
（责任编辑：王丽华）
·
８１·基于多目立体视觉的城市文旅品牌符号特征提取方法
