图像匹配是计算机视觉应用研究的主要内容。针对ORB(Oriented FAST and Rotated BRIEF)图像匹配方法不具备尺度不变性和匹配精度低的问题,提出一种基于改进ORB算法的图像匹配方法。在特征点检测阶段,ORB和SURF(Speeded Up Robust Featu...图像匹配是计算机视觉应用研究的主要内容。针对ORB(Oriented FAST and Rotated BRIEF)图像匹配方法不具备尺度不变性和匹配精度低的问题,提出一种基于改进ORB算法的图像匹配方法。在特征点检测阶段,ORB和SURF(Speeded Up Robust Feature)同时检测特征点,首先采用oFAST(oriented-FAST)与SURF算法检测左右图像特征点,然后使用rBRIEF(rotation-aware BRIEF)描述子描述特征点;在立体匹配阶段,采用Hamming距离对特征点进行粗匹配的基础上,引入极线约束筛选特征点并进行精匹配,减小匹配搜索范围,加快匹配速度,提高匹配准确率。实验结果表明,所提改进ORB算法点对数平均值是SURF算法的1.5倍左右,匹配速度平均值比SURF算法提高了22%,准确率比SURF算法提高了2倍,比ORB算法提高1.7倍,从而证明所提改进ORB算法,具有匹配点数多、速度快、准确率高的特点,且具有尺度不变性。所提方法可应用于目标识别、目标跟踪、三维重建、缺陷检测等领域。展开更多
文摘图像匹配是计算机视觉应用研究的主要内容。针对ORB(Oriented FAST and Rotated BRIEF)图像匹配方法不具备尺度不变性和匹配精度低的问题,提出一种基于改进ORB算法的图像匹配方法。在特征点检测阶段,ORB和SURF(Speeded Up Robust Feature)同时检测特征点,首先采用oFAST(oriented-FAST)与SURF算法检测左右图像特征点,然后使用rBRIEF(rotation-aware BRIEF)描述子描述特征点;在立体匹配阶段,采用Hamming距离对特征点进行粗匹配的基础上,引入极线约束筛选特征点并进行精匹配,减小匹配搜索范围,加快匹配速度,提高匹配准确率。实验结果表明,所提改进ORB算法点对数平均值是SURF算法的1.5倍左右,匹配速度平均值比SURF算法提高了22%,准确率比SURF算法提高了2倍,比ORB算法提高1.7倍,从而证明所提改进ORB算法,具有匹配点数多、速度快、准确率高的特点,且具有尺度不变性。所提方法可应用于目标识别、目标跟踪、三维重建、缺陷检测等领域。