面向视觉SLAM的图像配准评价算法

视觉SLAM相比激光SLAM成本低、潜在功能强大，VO(前端)算法是视觉SLAM走向应用的关键。针对VO特征点法存在计算复杂、耗时长的问题，从理论上研究了图像配准的一致性问题，分别定义了基于像素、信息熵、内容以及特征的图像一致性，建立了基本的图像配准评价框架。提出了基于信息熵最大化原则RGB变换灰度图像算法，分析了基于像素图像配准算法潜在问题，提出了基于边缘特征的图像配准算法，包括灰度变换、高斯滤波、基于canny算子的边缘检测和边缘修剪等，利用Hausdorff距离求解二值图像相似度，Hausdorff距离越小则图像越相似。实验对图像平移和旋转，比较其与原始图像的相似度，表明该评价算法可以比较可靠地评价图像配准质量，为重建图像帧间运动提供依据。