基于AGAST-BRIEF的图像匹配融合算法

针对传统算法AGAST在图像处于复杂场景条件下进行图像检测时,造成图像匹配结果精度低和实时性差等问题,提出一种基于AGAST-BRIEF的图像匹配融合算法。首先,利用高斯滤波对图像进行预处理,实现去除图像噪声干扰,保留图像边缘信息的效果,通过AGAST与尺度空间理论相结合进行特征提取;然后,使用BRIEF描述子对图像中的关键点进行描述,提高特征匹配效率;最后,采用FLANN算法得到初次匹配对,使用GMS与改进的RANSAC算法对初次匹配结果进行二次筛选,得到图像特征精匹配。实验结果表明:所提算法相较于SIFT、AKAZE、KAZE算法匹配准确率提高,匹配运行时间最短,具有良好的鲁棒性。

GMS特征匹配与图像差分融合的连接器多余物检测方法

在航空航天设备中连接器被广泛地应用,但其装配质量因多余物的存在导致装备服役性能下降。针对目前连接器多余物的检测主要依靠人工,效率低、误检率高、成本高的问题,研究中利用机器视觉的优点,设计了Grid-Based Motion Statistics (GMS)特征匹配与图像差分融合的连接器多余物检测软硬件系统。首先,提取连接器图像ORB特征描述符,通过GMS匹配算法实现检测图像与其对比图像的特征匹配;其次,以两图像的特征点集计算单应性矩阵,并通过透视变换对齐检测图像;再次,将对齐的图像做图像差分,并通过高斯模糊、形态学操作、轮廓查找等实现多余物检测。实验表明,与传统直接做图像差分检测多余物的方法相比,检测精度大幅提升;研究中以采集的147张图像做检测,精度为98.64%。

改进特征匹配的ORB-SLAM稠密建图算法

对于同步定位与建图(SLAM)中主流的特征点法,特征匹配是估计相机运动的关键,然而在特征匹配过程中存在图像特征的局部特性、误匹配等问题,成为视觉SLAM的瓶颈。此外,特征点法生成的稀疏地图只能用于定位,无法满足更高层次的需求。针对ORB-SLAM3中ORB特征点匹配效率低且未能生成稠密地图的问题,提出一种改进的ORB-GMS匹配策略并在ORB-SLAM3系统中加入稠密点云构建线程来实现稠密建图。将运动平滑性约束作为特征点运动统计的方法,通过比较特征点邻域内的匹配数量和阈值快速判断当前匹配是否正确,将图片网格化并快速计算网格内特征点的匹配数量,进行相机的位姿估计。根据关键帧与相应位姿构建稠密点云地图,采用外点去除滤波和体素网格滤波减小点云规模。在TUM的RGB-D数据集上的实验结果表明,与ORB-SLAM3相比,该算法可以减少约50%的匹配耗时,同时在匹配数量上平均提升60%,定位平均误差降低32%。此外,与稀疏地图相比,该方法生成易于2次加工的稠密点云地图,扩大算法的应用场景。

基于ORB-SLAM3的改进型特征匹配与稠密建图算法

针对传统ORB算法存在提取的特征点极易堆积在纹理丰富的区域及误匹配率高等而导致无法满足高精度定位要求,以及ORB-SLAM3系统无法构建稠密地图的问题,提出一种基于ORB-SLAM3的改进型ORB-GMS特征匹配方法,并增加稠密建图线程来实现稠密地图的构建。首先,在特征点提取过程中引入四叉树策略,将图像帧分为若干个网格,并在每个网格中提取最优特征点;然后,在特征匹配过程中将运动平滑约束转换为剔除错误匹配的统计量,通过比较匹配对邻域内的匹配对数量和阈值来快速筛选正确匹配;最后,完成位姿估计并根据关键帧与相应位姿完成稠密点云地图的构建。采用TUM的RGB-D数据集进行实验,改进算法提取的特征点相较传统ORB算法分布更加均匀,匹配数比ORB-SLAM3增加64.5%,比GMS算法增加4.7%,匹配耗时比ORB-SLAM3减少20.4%,比GMS算法减少94.6%,从而验证了改进算法在特征点提取与匹配方面的优越性,并且相较于ORB-SLAM3,改进算法的定位精度提高了3.75%,从而验证了其在总体上提高定位精度,进而实现稠密建图的可行性和有效性。