ORB特征匹配的误匹配点剔除算法研究

在计算机视觉中,特征点匹配是一个极其重要的问题。为了提高图像特征点匹配精度,针对ORB常采用的RANSAC误匹配点消除算法不足,提出了改进的误匹配点剔除算法。该算法通过缩小抽样点总量来保证匹配点选取质量,并能有效的减少迭代次数。分别采用ORB+改进算法与ORB+RANSAC算法对两组图片进行特征点匹配实验。实验表明,该算法能够有效剔除误匹配点,与RANSAC算法相比较精度提高了8%,匹配精度提高至97.43%。     

改进 ORB 提取匹配算法的 SLAM 应用研究

由于传统的ORB特征点提取匹配方法在图像纹理信息不丰富或者光照变化剧烈时极易产生特征点丢失、分布不均等问题,不利于SLAM系统的定位与建图。为此本文提出了一套较为鲁棒、精度较高的提取匹配算法。首先基于ORB特征点对其提取算法进行改进,计算自适应阈值并基于网格模型提取特征点,可提高特征点提取的鲁棒性并使其分布均匀。此外还提出了G-R图像匹配算法,基于网格特征计算邻域支持估计量来区分正误匹配点,再结合引入评价函数的RANSAC算法进一步剔除误匹配点,相比ORB-SLAM2原始匹配算法提高匹配精度9.36%,并减少时间消耗约13.6%。最后将本文提出的特征点提取匹配算法加入到ORB-SLAM2算法框架,经数据集与实际场景验证本文方法能有效提高ORB-SLAM2系统定位精度36.6%以上,使系统更具鲁棒性。     

一种改进的SIFT血管图像特征匹配算法

基于特征提取的图像配准在医学领域得到广泛的应用。为了将尺度不变特性变换算法更好地运用到血管图像特征提取与匹配中去,根据血管图像特点,采用曲线拟合确定合适的低对比度阈值,并为了提高SIFT算法的处理速度以及匹配准确度,对SIFT算法的特征描述子进行降维处理,在特征点匹配阶段采用基于模比较的匹配方法,通过对比特征点描述向量模的关系寻找匹配点。实验结果及数据表明：改进后的算法在提高匹配速率和降低误匹配率方面均有提高,对临床血管疾病治疗有重要意义。     

高效高精度光照自适应的 ORB 特征匹配算法

针对非均匀光照下ORB图像特征检测算法存在特征点过于聚集、匹配准确率不高等问题,提出了一种高效高精度光照自适应的ORB图像特征匹配算法。利用自适应阈值提取待测图像的oFAST特征点,通过优化的四叉树分解法均匀分配,进一步提高了低照度或高曝光区域特征点的数量,随后,根据汉明距离进行特征匹配,使用改进的RANSAC算法剔除误匹配,提高ORB算法中特征点的匹配准确率。实验结果表明,针对具有明显光照变化的数据集,相较于ORB、MA、Y-ORB及S-ORB算法,本文算法的平均特征分布均匀度提高13.1%,特征提取时间节省26.3%,综合评价指标提升18.5%,可高效完成复杂场景变化下的特征匹配,对目标识别和三维重建等领域具有较强的应用价值。     

基于特征点匹配的三维点云配准算法

三维点云配准在逆向工程、机器人导航、物体形状检测和三维重建等领域有着十分广泛的应用。针对预先没有任何信息的三维点云数据配准问题,提出了一种基于特征点匹配的三维点云配准算法,根据点云区域法向量的分布特征提取特征点集,接着对特征点集采用快速点特征直方图(FPFH)进行描述,然后对FPFH特征使用双向最近邻距离比匹配方法实现初始配准。最后采用自适应收敛阈值的迭代最近点算法,对理想成像的特点进行分析,预先设置配准收敛阈值,能够有效地减少迭代次数,以此来实现更加快速、准确的点云精确配准。实验仿真结果验证了该方法的有效性。     

基于角点检测的图像快速配准改进算法

图像配准是计算机视觉检测的关键步骤之一。提出了一种基于边缘特征的角点检测算法,该方法计算简单、速度快,便于硬件实现及实时处理,同时也提高了传统该类算法的可靠性,实验结果表明,该算法有较大的实用性。     

一种基于图像特征点的图像匹配算法

图像匹配技术被广泛用于人脸识别、全景图像生成等领域.该文利用变比不变特征点 (Scale Invariance Feature Transform-SIFT)提取方法提取特征点,并对SIFT方法提取出的特征点用最近邻算法 (Nearest Neighbor-NN)进行匹配,在搜索最近邻特征点和次近邻特征点时使用了在K-D树搜索算法基础上进行改进的搜索算法BBF(Best Bin First)算法.实验证明该匹配算法具有匹配精度高,鲁棒性好的特点.     

改进 ORB 特征提取环节的视觉 SLAM 算法

为了解决传统 ORB-SLAM2 算法尺度不变性较差和光照环境变化复杂导致定位跟踪不稳定的问题,提出了一种基于 B-Spline图像金字塔的自适应阈值 ORB 特征点提取方法。首先采用 B-Spline 图像金字塔的方法,将图像层层划分,随后,通 过计算图像周围的特征点的灰度值来设置自适应阈值,以便阈值随着光照变化而自动调整,从而实现图像特征点的有效提 取。对改进部分分别实验验证,在光照环境发生较大变化时,改进方法在特征提取时重叠点降低且提取范围更加均匀,在图 像尺度发生变化时,改进方法的特征匹配数量提升了近1倍,在轨迹追踪实验中,改进方法得到的估计轨迹误差降低了20% 以上。改进的 ORB-SLAM 算法能够提高在复杂环境下机器人的定位精度。     

基于图像结构与改进Brief检测算子的目标匹配算法

为了解决当前特征点匹配算法在前景遮挡、背景复杂的干扰下,存在匹配能力不足的问题,提出了基于改进Brief的目标鲁棒匹配算法。首先,对存在匹配干扰的图像展开分析,通过基于不变矩的特征点检测方法,改进breif特征点检测。然后扩大滤波范围来处理目标积分图像,通过基于特征点主方向的旋转矩阵,构建Brief特征描述算子; 最后结合欧式距离和KNN,进行匹配运算,并编程实现算法,实验测试结果显示：与当前传统特征点匹配算法相比,在特征遮挡严重、背景极复杂的干扰下,本文算法拥有较强的匹配精度与鲁棒性。     

一致性特征点匹配在目标跟踪中的应用

为了解决运动目标快速跟踪过程的实时性与稳定跟踪问题,提出了一种新的基于局部特征点匹配的KPM(key points matching) 算法,对图像的局部多尺度特征提取与匹配进行研究。首先,应用SURF(speeded up robust features) 算法在跟踪窗口内提取特征点,生成并匹配特征矢量。然后,结合最近邻提纯法与一致提纯法剔除目标区域以外的特征点对,减少误匹配以提高跟踪精度。最后,生成目标仿射变换矩阵,更新目标运动参数。实验结果表明,本文所提出的KPM算法当目标发生大角度旋转和快速缩放,同时发生光照变化时,仍能够实现稳定的跟踪,且满足运动目标实时跟踪稳定可靠、精确度高、抗干扰能力强等指标要求。     

一种基于对齐度的多约束车辆特征匹配方法

针对基于双目立体视觉的汽车辅助驾驶系统,研究了一种基于对齐度的多约束快速匹配算法。对齐度准则利用图像对间的交互方差作为相似测度,不需要两幅图像的灰度线性相关性并且不受图像灰度差异的影响,比相关度准则有更强的适用性。确定左右两幅图像中的路面区和目标车辆后,采用Harris算子提取出目标车辆的特征点。匹配前利用角点的特征值约束去除不易匹配角点,然后采用对齐度准则进行匹配,最后根据视差梯度约束去除误匹配。实验结果表明了该方法的可靠性,能够获得较满意的检测结果。     

基于图像质量分析与分割算子的图像特征点匹配算法

为了解决当前由于图像成像质量不稳定和分割不准确所导致图像匹配错误的不足,基于图像质量分析优化和分割算子,提出了基于图像质量分析和图像分割的图像匹配系统.根据图像对比度,建立质量评价函数,通过调节相机曝光,达到图像对比度分明的目的.通过阈值分割和形态学处理设计目标分割算子,根据目标特征匹配度,完成图像目标匹配.集成图像质量优化算子与分割算子于图像匹配系统,并编程实现,实验测试结果显示:与当前图像匹配方法相比,在图像成像质量不稳定的状况下,该方法拥有更高的匹配准确度.     

基于改进亚像素边缘检测的弹丸特征点判读

针对传统弹丸图像判读效率低的问题,提出了一种基于改进边缘检测的图像自动判读方法,获得弹丸特征点坐标。在亚像素级别上利用Roberts模板求取图像梯度,寻找邻域内梯度最值绘制锚点,通过智能路线寻迹获得弹丸单像素边缘,采用矩理论求弹丸质心坐标。利用分辨率板检验改进边缘检测方法,并求取阴影图像中弹丸质心。实验结果表明,与传统方法相比,改进算法在边缘的连续性、定位精度上有较好的效果,将弹丸质心坐标的误差由6.7%降低到2.8%。     

基于特征点的3D人脸姿态跟踪

针对视频序列中的人脸跟踪问题,提出一种单摄像头的人脸3D姿态跟踪方法。利用SIFT特征点匹配算法来得到可靠的帧间特征匹配。将前帧与所选的关键帧特征匹配信息及融入到对当前的姿态估计中,利用SIFT特征点匹配算法来得到可靠的帧间特征匹配。最后通过利用RANSAC随机选取特征点对,并用POSIT和最小化误差组合的3D投影方法以迭代的方式得到精确的当前帧人脸姿态估计。通过多组实验数据对比,表明了该算法在严重遮挡、头部摆动幅度较大、匹配点较少的复杂情况干扰下仍具有鲁棒性,并且解决了3D人脸跟踪的漂移问题,实现对目标人脸的稳定跟踪,对比以往2D跟踪算法在复杂环境下具有明显的改善。     

基于改进SURF算子的彩色图像配准算法

为了解决传统SURF算法存在的问题,提高彩色图像配准的精度和准确率,提出一种双向邻近匹配的彩色图像配准算法。该算法对传统的SURF描述符进行改进,将图像的色彩信息叠加在只包含灰度信息的传统SURF特征描述符上,组成改进的SURF特征描述符,以增强彩色信息对配准的影响,提高配准的准确率;采用FLANN算法搜索匹配点对,并对匹配点对进行双向邻近匹配,以提高搜索效率和匹配精度;利用改进RANSAC算法剔除匹配错误的特征点对,以进一步优化匹配结果。实验结果表明,该算法能够有效地提高彩色图像配准的精度和准确率,具有较好的鲁棒性和图像变换适应性。