基于中心环绕滤波器检测的图像特征点匹配算法

针对传统图像匹配算法特征点检测稳定性和准确性差的问题,提出一种尺度不变性的基于中心环绕滤波器检测(SCFD)的图像特征点匹配算法。首先,构建多尺度空间,利用中心环绕滤波器检测图像在不同尺度下的特征点,采用Harris方法和亚像素插值获得稳定的特征点;其次,联合快速定向旋转二进制稳健基元独立特征(BRIEF)(ORB)算法确定特征点的主方向,构建特征点描述算子;最后,采用汉明距离完成匹配,通过最小平方中值(LMed S)定理和最大似然(ML)估计剔除误匹配点。实验结果表明,在尺度变化时,所提算法的匹配精度达到96.6%,是ORB算法的2倍;其运行时间是尺度不变特征变换(SIFT)的19.8%,加速鲁棒性特征(SURF)的28.3%。所提算法能够有效提高特征点检测的稳定性和准确性,在视角、尺度缩放、旋转、亮度等变化的情况下具有较好的匹配效果。

面向移动平台的二进制特征的性能研究

针对移动平台时间空间局限性,研究二进制特征在移动平台的性能。扩展已有的评测标准,以BRIEF、ORB、BRISK和FREAK为研究对象,SIFT、SURF非二进制特征作为参照;使用通用的图片库,研究各个描述子在PC平台和移动平台的时空性能;并研究在旋转变化、尺度变化、模糊处理、照度变化和透视变化下各特征的鲁棒性。研究表明二进制特征描述子具有很高的时空效率,平均提高约10倍;有不同程度的鲁棒性,与SIFT具有可比性,整体性能很好。

基于ORB检测的特征匹配优化算法

针对需要具有旋转不变性且具有实时性的任务场景,传统的局部特征提取算法SIFT与SURF不能满足实时性要求的现状,提出了一种基于ORB特征检测子的优化特征点匹配算法。首先针对在原始ORB特征匹配算法中出现的错误匹配问题,利用特征点的位置信息结合聚类算法提高匹配过程的速度与正确率,再通过均值漂移算法进一步提取出错误匹配点对。将所提方法应用于生产线产品外观缺陷检测设备,经过实际实验验证,该算法在ORB特征匹配中正确率提高至95%,能够满足实时使用的需要。

一种改进的加速稳健特征图像配准算法

针对传统的加速稳健特征配准算法存在计算复杂、配准精度不高、鲁棒性差等不足,文中提出了一种改进的加速稳健特征配准算法。通过构建尺度空间及计算Hessian矩阵的极值筛选出稳定的特征点,利用二进制稳健独立基本特征描述子对特征点进行描述,并通过几何约束算法对随机一致性抽样算法进行改进,实现了匹配点对的提纯,求出单应矩阵并应用于待配准图像。研究结果表明:文中的算法相较于加速稳健特征配准算法,在噪声环境下配准偏移下降了13.8%,仿真实验中配准偏移平均下降了14.7%,配准时间平均降低了15.63%,表现出优良的抗噪性、准确性及实时性。

A Brain-inspired SLAM System Based on ORB Features

This paper describes a brain-inspired simultaneous localization and mapping （SLAM） system using oriented features from accelerated segment test and rotated binary robust independent elementary （ORB） features of RGB （red, green, blue） sensor for a mobile robot. The core SLAM system, dubbed RatSLAM, can construct a cognitive map using information of raw odometry and visual scenes in the path traveled. Different from existing RatSLAM system which only uses a simple vector to represent features of visual image, in this paper, we employ an efficient and very fast descriptor method, called ORB, to extract features from RCB images. Experiments show that these features are suitable to recognize the sequences of familiar visual scenes. Thus, while loop closure errors are detected, the descriptive features will help to modify the pose estimation by driving loop closure and localization in a map correction algorithm. Efficiency and robustness of our method are also demonstrated by comparing with different visual processing algorithms.

基于改进SURF算法的柔性装夹机器人快速工件匹配方法

针对传统SURF算法在构建局部特征描述符时耗时较长,无法满足实时性要求的问题,提出了一种改进的SURF算法。首先,运用Hession矩阵行列式(DoH)检测图像中的关键点,并利用非极大值抑制法和插值运算搜索、定位极值点;其次,采用灰度质心法确定关键点的主方向;然后,采用二进制描述符BRIEF对关键点进行描述,并利用关键点的主方向构造带有方向的特征描述符,使其具有旋转不变性;最后,运用汉明距离初步确定匹配点,再用比率检测法和RANSAC算法去除误匹配点,进而获取精准配准。实验结果表明,该改进SURF算法在应用于机器人进行柔性装夹时,对工件图像的平均匹配时间由SURF算法的214.10 ms减少到86.29 ms;而且匹配精度方面比原SURF算法提高了2.6%,因此,所提算法能够有效提高柔性装夹机器人工件图像的匹配速度和匹配精度。

基于运动平滑约束项的快速误匹配剔除算法

针对图像拼接时用随机抽样一致性(RANSAC)算法迭代计算过程中计算量大、匹配正确率低的问题,提出了一种基于运动平滑约束项的误匹配剔除算法。首先采用快速旋转不变特征(ORB)算法提取特征点,基于汉明距离实现特征点初匹配;其次,基于运动平滑约束项统计邻域支持估计量实现误匹配粗剔除;然后,进一步采用空间几何约束关系实现误匹配精剔除;最后,利用分组排序采样求解模型参数,采用加权平均实现图像融合。实验结果表明,该算法的误匹配剔除率相比缩小抽样点总量算法提升了75.6%,相比自适应阈值算法提升了24%,此方法能有效剔除误匹配,实现图像精确拼接。

改进AKAZE算法的高铁接触网图像特征匹配方法

针对传统多尺度特征匹配算法在高速铁路接触网图像匹配检测过程中难以保持图像局部精度和边缘细节的问题,提出了一种改进加速非线性扩散(AKAZE)算法的高铁接触网图像特征匹配方法。首先,对接触网图像利用边缘特征与局部二值模式纹理特征融合的方法,克服了传统接触网图像特征点数量不足的问题;然后,采用改进AKAZE算法提取接触网图像的特征,提出用二进制的鲁棒独立基本特征(BRIEF)描述子进行特征点的描述;再通过快速相似邻域搜索与随机抽样一致算法剔除误匹配点;最后,使用图像差分的方法实现对接触网图像的匹配检测。实验结果表明,该方法较AKAZE特征匹配算法,平均匹配精度提高了22.16%,算法的运行效率也得到了较大改善。