基于自适应阈值的ORB特征提取与跟踪

针对定位跟踪时不同环境的复杂光照变化特点,提出了一种自适应阈值的ORB(Oriented FAST and Rotated BRIEF)特征点提取方法.该方法首先通过自动计算图像块周围的特征点自适应提取阈值,利用该阈值实现图像特征点提取,接着采用水平双目模型进行特征点跟踪.利用数据集在不同环境场景中与不同方法进行对比实...     

基于相位相关法改进的ORB图像匹配算法

为了提高图像平移后ORB特征点匹配的准确率,提出了一种基于相位相关法改进的ORB图像匹配算法。该算法首先采用相位相关法求取左右两幅图像间的像素偏移量,以确定图像的重合部分;其次,提取图像FAST特征点并计算BRIEF描述子;接着,对要匹配的点增加窗口约束,以缩小匹配范围;然后,采用快速近似最近邻（FLANN）特征点匹配算法完成图像重合部分特征点的匹配;最后,将匹配错误的特征点采用随机采样一致性（RANSAC）算法进行删除。经实验验证,该算法将ORB特征点匹配的精确度有效的地89.7%提升至93.1%。     

基于改进ORB-FLANN算法的工件图像识别方法

针对传统图像识别算法匹配正确率低、运行时间较长等问题,文中提出了基于改进ORB-FLANN(Oriented FAST and Rotated BRIEF-Fast Library for Approximate Nearest Neighbors)的工件图像识别方法。对ORB算法特征描述、图像特征匹配算法进行修改,解决传统图像识别算法在图像存在尺度和旋转变换情况下存在的弊端并降低误匹配率。该方法对ORB算法检测到的特征点采用SURF(Speeded Up Robust Features)算法添加方向信息并完成特征描述,得到旋转尺度不变性的特征点,结合FLANN算法并引入双向匹配策略进行特征点粗匹配,最后利用渐进采样一致算法进一步剔除误匹配点对完成精匹配。实验结果表明,与其他方法相比,改进算法在处理尺度、旋转等变换图像时,匹配正确率分别提高了2.6%～18.8%和29.5%～43.9%,运行时长均在4 s以内,提高了对工件图像的识别效率和精准性。     

一种改进的ORB图像匹配算法

针对ORB特征匹配算法特征提取稳定性差,匹配精度低的问题,提出一种改进的ORB图像匹配方法。通过小波变换对图像预处理,利用自适应频谱抑制方法提取候选特征点集,再建立多尺度空间模型,筛选具有尺度不变性的精确特征点,并通过BRIEF算子生成特征描述子,最后使用Hamming距离进行特征匹配,完成配准。通过3组图像匹配实验对改进算法的有效性进行验证,实验结果表明,改进算法在兼顾ORB实时性的同时,提高了匹配精度,改善了图像尺度变化较大时特征提取的稳定性。     

具有局部自适应阈值的SIFT快速图像匹配算法

针对传统SIFT匹配算法复杂、特征冗余点多、难以满足实时性等问题,本文提出了一种具有局部自适应阈值的SIFT快速图像匹配算法。首先,所提方法在SIFT算法的基础上,对构建的高斯金字塔进行了优化,通过减少金字塔层数来消除冗余特征点以提高检测效率,并根据图像局部对比度来自适应提取FAST算法中的阈值从而实现高质量的特征点检测,筛选出鲁棒性较强的特征点进行更准确的匹配;其次,采用高斯圆形窗口建立32维降维特征向量,提高算法运行效率;最后,根据匹配特征点对之间的几何一致性对特征点进行提纯,有效减少误匹配。实验结果表明,本文方法在匹配精度和运算效率方面的综合表现均优于SIFT算法及其他对比匹配算法,相比传统的SIFT算法,匹配精度提高了约10%,算法运行时间缩短了约49%。在图像发生尺度、旋转以及光照变化的情况下,正确匹配率在93%以上。     

基于改进ORB算法无重叠视野域的目标交接

介绍了基于ORB（Oriented FAST and Rotated BRIEF）算法的无重叠视野域的目标交接。当目标离开摄像机1视野域时,利用ORB算法提取目标特征点,待匹配特征点通过PROSAC（Progressive Sample Consensus）算法剔除外点,保留有价值的特征点。当目标进入摄像机2视野域时,通过Vibe（Visual Background extractor）算法获取进入摄像机2的运动目标,并提取待确认运动目标的特征点,去除外点并与摄像机1视野域提取的特征点做匹配,匹配率达到阈值则表示目标一致,完成目标交接并进行跟踪。实验结果表明,文献提出的方案能够实现目标在多摄像机视野域间的快速交接。     

基于改进SRS-RANSAC图像配准算法

针对目前图像配准算法存在的配准时间较长、配准正确率低等问题,本文提出一种基于改进分层随机选择一致性(Stratified Random Selection Random Sample Consensus,SRS-RANSA)的图像配准算法.首先,通过ORB(Oriented FAST and Rotated BRIEF)算法对参考图像进行特征点提取;其次,采用最小距离法初步过滤匹配中存在的误匹配数量;最后,随机抽样一致性(RANSAC)框架中通过分层随机选择(SRS)提取分布相对分散且均匀的特征点,进一步过滤掉初始匹配中存在的不匹配特征点,实现提高配准正确率的同时缩短运行时间.通过本文算法与其他算法在Oxford标准图集和现实中拍摄的图像进行实验对比,结果表明,本文算法在匹配正确率与运行效率上有所提高.     

增量式SFM中特征点检测与匹配方法的改进

图像特征点的提取与匹配是增量式SFM重建系统中至关重要的一步。为了提高匹配的准确率以及有效匹配点对的数量,提出了一种改进方法:首先在多尺度空间中利用自适应阈值的FAST角点检测算法获取特征点;然后计算特征点与其多个环形邻域之间的灰度对比信息,再与采样区域的局部梯度信息融合得到特征点描述子;接着利用曼哈顿距离与切比雪夫距离的线性组合代替欧氏距离完成特征点的稀疏匹配;最后利用稀疏匹配结果作为种子点对进行同步生长,在多约束条件下得到最终的稠密匹配结果。在Oxford数据集上的实验证明了改进的稀疏匹配算法的准确率与有效匹配点对数量都高于SIFT算法,在增量式SFM系统中的实验证明了稀疏匹配与稠密匹配的组合算法可以获得更好的重建效果。     

一种用于图像拼接的改进ORB算法

针对Oriented FAST and Rotated BRIEF(ORB)算法缺少尺度不变特性,误匹配率高,易造成图像拼接质量差等问题,本文提出一种用于图像拼接的改进ORB算法。首先使用一种基于尺度不变的特征检测算法对图像进行特征点检测,然后用ORB描述算法对特征点进行特征描述,用ORB匹配算法进行粗匹配,再用双向匹配和Random Sampling Coherence(RANSAC)算法对匹配点进行精匹配和提纯,进一步提高其正确率,最后使用渐入渐出加权融合完成图像拼接。实验结果表明,本文方法在图像的缩放和旋转、模糊、光照强度、拍摄视角等情况下都具有优秀的鲁棒性和稳定性,是一种实时性强、准确度高、拼接质量优秀的图像拼接方法。     

一种基于改进ORB特征匹配的无人机视觉导航方法

为了解决在全球导航卫星系统(Global Navigation Satellite System)拒止情况下无人机导航能力缺失等问题,提出了一种基于改进快速提取旋转描述子(Oriented FAST and Rotated Brief, ORB)图像特征匹配的无人机视觉导航方法。首先,为了实现无人机的绝对定位,提出了一种特征图像基准数据库构建方法;其次,为提取图像数据集的特征点,采用了一种结合尺度不变特征变换(Scale Invariant Feature Transform, SIFT)的尺度空间优化ORB特征提取算法;最后,为了将图像特征与图像基准数据库快速匹配并提高其匹配精度,提出了一种改进ORB特征匹配算法——ORB+GMS+PROSAC算法。通过在ArcGIS中分割图像构建基准数据库并进行实验分析,结果表明,基于ORB+GMS+PROSAC特征匹配算法性能显著提升,其中匹配准确率上升5.05%,匹配时间减少41.61%,明显优于其他传统特征匹配算法。     

基于改进FAST特征检测的ORB-SLAM方法

针对视觉ORB-SLAM中的特征点提取过程,提出一种改进的FAST特征点检测方法。在ORB-SLAM过程中,由于光照和周围环境信息的不确定性,当环境对比度下降时,易造成特征点数量急剧减少从而造成SLAM过程的失败。针对上述问题,基于图像的对比度信息,提出一种自适应阈值的FAST特征点检测方法,利用图像的对比度自适应调整特征点检测时的阈值,当图像对比度下降时依然能够保证特征点检测的数量,大大提高了ORB-SLAM的鲁棒性和适应性。对提出的方法进行了实验验证,结果表明该方法切实可行,具有较高的实用价值。     

基于ORB和角点方向夹角约束的快速图像配准方法

针对图像间存在不同形变、光照等情况下配准难度大的问题,基于尺度不变特征变换(SIFT)的配准方法计算量大、无法满足实时性的要求,提出一种基于Oriented FAST and Rotated Brief(ORB)与角点方向夹角约束的快速图像配准方法.首先在两幅图像中分块提取ORB特征点,采用一种基于双阈值的汉明距离进行特征点匹配,针对随机抽样一致性(RANSAC)算法无法剔除错误匹配的特征点,以角点方向夹角一致性为约束条件,有效剔除误配点;然后再用RANSAC算法计算出最佳变换矩阵,完成图像配准.实验表明,采用具有不同形变、光照等情况下的3组图像,该方法不仅能很好地配准图像,并且3组图像配准的平均时间为80.399 ms,不到SIFT配准方法所需时间的1/20,兼顾了图像配准的有效性和实时性.     

Sub-Window尺度空间的Attention-HardNet特征匹配算法

为保护尺度空间边缘和角点信息,提高特征匹配算法的可靠性,提出一种Sub-Window尺度空间的Attention-HardNet特征匹配算法.该算法通过Sub-window box filter构建尺度空间来充分保留尺度空间图像边缘及角点信息;使用FAST算法提取尺度空间特征点来提高特征点提取速度,再利用圆形非极大值抑制算法对其进行优化,提高准确率;对HardNet特征提取网络添加SENet注意力机制,构成Attention-HardNet,提取鲁棒性更强的128维浮点型特征描述符,最后利用L2距离衡量不同描述符的相似性,完成图像特征点匹配.在Oxford数据集上对匹配算法抗尺度、压缩、光照等性能进行测试,由测试结果可以看出本文算法相较于常用匹配算法,匹配正确率得到较大提升,相较于L2net、HardNet等深度学习方法,匹配正确率提高3％左右,速度约提高10％.     

改进ORB算法在单目视觉SLAM特征匹配中的应用

针对单目视觉同步定位与地图构建问题对传统定向二进制描述符算法进行改进,结合快速鲁棒特征算法的思想,将尺度空间理论引入传统ORB算法中,同时根据机器人的运动先验信息,预测特征点的可能范围,避免在全局范围内对特征点的检测和匹配.实验表明,改进的ORB算法能显著提高匹配正确率,在多尺度方面表现出色,并能有效减少运算时间,平均耗时14 ms,处理速度约为传统ORB算法的1.3倍、SURF算法的10倍、尺度不变特征变换(Scale-invariant FeatureTransform,SIFT)算法的26倍,适用于单目视觉SLAM问题.     

基于改进ORB的图像特征匹配算法研究

针对ORB算法特征匹配精度低的缺陷,结合金字塔光流特性,提出一种优化ORB特征匹配的方法。首先,采用区域分块法对待匹配图像进行处理,挑选出最佳匹配子块,缩小无效匹配区域;接着,对子块提取ORB关键字并计算匹配描述子得到粗匹配点对,采用金字塔光流法追踪ORB特征点,求解特征点的运动位移矢量,以此剔除粗匹配部分错误的匹配对;最后,采用随机采样一致算法进一步剔除冗余匹配点,获取更为精准的匹配对。实验结果表明,本文优化的ORB算法可以很好地满足实时性和精度的要求,特征匹配的平均耗时为原ORB算法的87%左右,且平均匹配率达98%以上。     

一种基于改进ORB算法的图像特征匹配算法

针对ORB算法不具备尺度不变性的缺陷,结合SURF算法思想,提出一种改进的图像特征匹配算法,首先构建图像Hessian矩阵及高斯金字塔尺度空间;然后利用非极大值抑制提取特征点;最后通过Hamming距离完成对特征点的匹配.实验结果表明,本文提出的算法在保留ORB算法实时性的同时很好地实现了图像特征匹配的尺度不变性.     

视频图像的SIFT特征点自适应提取算法

采用SIFT算法匹配视频图像帧前,必须首先提取特征点。如果输入图像的大小和特性变化,特征点的灰度阈值必须随之重新设置,以避免过大的计算量和配准失败。提出了一种视频图像的特征点自适应提取算法。该算法能够将前一帧的视频图像的参数反馈到当前帧,自动设置适当的特征点灰度阈值,使得从当前帧提取的关键点的数量接近预期值。实验结果表明,当输入图像改变时,采用自适应设置阈值方法,从视频帧提取的特征点的数量始终保持在预期值。该方法可以通过SIFT算法自适应地配准数字视频图像,使特征点数量保持稳定,避免配准失败,减小计算量。     

低对比度图像特征点提取与匹配

针对常用特征点匹配算法在低对比度图像中存在特征点少、匹配精度低的问题,将图像自相似性用于图像特征点提取,并改进特征点匹配过程,提出了自相似性与改进归一化互相关相结合的方法.该方法首先根据像素点自对称值提取出图像特征点,然后通过特征点的尺度信息构建自适应相关窗口来改进互相关匹配,最后由阈值筛选和随机抽样一致性算法优化匹配结果,从而完成低对比度图像特征点的提取和匹配.实验结果表明,该方法在匹配低对比度图像特征点时相比常用算法具有较高的效率,且对图像尺度和旋转变换具有较强的鲁棒性.     

基于改进SIFT算法的单目SLAM图像匹配方法

基于单目视觉的机器人同步定位与地图创建(SLAM)方法是实现机器人自主行走的重要研究方向之一,而图像特征匹配技术是该方法中的关键技术。基于尺度不变特征变换(SIFT)算法的SLAM匹配方法具有提取特征点数量丰富、稳定等优点,然而在速度以及正确率方面仍存在一些不足。因此针对SIFT算法描述子维数高、匹配时间长等问题,提出了一种改进的SIFT算法,将原128维的特征描述子降至内部矩形外部圆形的24维特征描述子,匹配过程中应用了三线性插值、RANSAC算法等对匹配结果去除误匹配。实验结果最终表明,改进后的SIFT算法不仅对角度变化、光照变化等情况均具有良好的鲁棒性,匹配速度和正确率也有显著提升,可满足实时SLAM同步地图构建的需要。