仿人眼双目图像特征点提取与匹配方法

模仿人眼的视觉特性已成为机器迈向智能感知、智能认知的研究热点和难点。图像边缘蕴含着丰富的信息,因此人眼对场景中物体的边缘更加敏感。为在机器上实现这一视觉特性,提出了一种仿人眼双目图像特征点提取与匹配方法。首先选择边缘特征提取能力突出的SUSAN(small univalue segment assimilating nucleus)算子作为特征检测器;然后改进尺度不变特征变换(scale-invariant feature transform,SIFT)描述子的采样邻域,减少远离特征点的梯度信息因视点和视角差异带来的匹配误差,保留靠近特征点的主要梯度信息;随后对输入图像建立多尺度结构,在不同尺度上计算同一特征的主要梯度信息;最后利用平方根核比较梯度信息的相似性,生成多尺度描述子,增强描述向量的独特性。实验采用多种评价指标分别对提出的多尺度描述子和整体算法进行评估,并与经典的SIFT、SURF(speeded up robust features)、Root-SIFT等算法和先进的BEBLID (boosted efficient binary local image descriptor)、SuperGlue、DFM等算法进行对比。结果表明:提出的多尺度描述子能够提高边缘特征点的匹配准确率,并对光照变化具有更强的适应能力,体现出更好的匹配稳定性;与其他算法相比,本算法具有更高的匹配准确性。

ORB特征点提取和匹配的研究

为了提高视觉SLAM的实时性与准确性,以ORB特征点为代表,对SLAM前端特征点提取和匹配进行优化。在计算FAST特征点时,设置金字塔并根据图像信息设置阈值,在计算灰度质心时,通过三角函数原理避免复杂的arctan、sin、cos计算,达到了加速效果,在计算灰度质心选取图像块时,将超过图像边界的点标记后删除,在匹配中使用SSE指令集中的_mm_popcnt_u32函数计算一个unsigned int变量中1的个数,达到消除误匹配的目的。并在公开数据集EuRoc上对传统ORB和优化的算法进行对比仿真,由仿真结果可知,改进的ORB特征点提取时间缩短了22.08 ms、匹配时间缩短了0.39 ms,且匹配结果减少了局部重复,避免了不必要提取和匹配,节省了时间,提高了实时性与准确性。

基于纹理增强的ORB特征点提取与匹配算法

针对传统的ORB算法在面对纹理变化较大或纹理不明显的场景时特征提取能力的不足,提出了一种基于纹理增强和颜色增强的ORB特征点提取与匹配算法。首先,通过设计纹理增强预处理方法,分析了图像纹理特征的统计信息,以改善图像的纹理信息表达;其次,在经过纹理和颜色增强处理的图像上应用ORB算法执行特征点提取,从而获得更为突出和多样的纹理特征点;最后,为进一步提高特征点匹配的准确性,引入了一种综合考虑纹理相似度和尺度一致性的匹配策略。实验结果显示,与传统的ORB算法相比,基于纹理增强的ORB算法在特征点提取和匹配的准确性和鲁棒性上均得到了显著的提升。

B-Spline-ORB特征点提取算法

针对传统ORB算法尺度不变性较差的问题,提出了基于图像金子塔的ORB算法。首先研究了高斯图像金字塔和B-spline图像金字塔,通过实验对两种图像金字塔进行了探讨。实验表明,3阶B-spline图像金字塔的图像所包含的图像信息要高于相同层上高斯图像金子塔的图像所包含的信息。其次,在图像尺度发生变化的前提下,通过实验对传统ORB算法、基于高斯图像金字塔的ORB算法和基于B-spline图像金字塔的ORB算法进行了探讨。实验表明,基于3阶B-spline图像金字塔的ORB算法相比较传统ORB算法所提取的特征点配准率提高了40%。同时,相较基于高斯图像金字塔的ORB算法,本文提出的改进算法在匹配准确率和运行速度上也有所提升。

融合GMS的ORB特征点提取与匹配算法

为解决传统的ORB算法提取的特征点分布不均匀且匹配时存在误匹配等问题,在原有算法的基础上提出分区域进行特征点提取并融合GMS算法剔除误匹配的改进特征点提取匹配算法。将四叉树原理引入到特征点提取中,将图像分为若干个网格,在每个网格中进行特征点提取,在匹配过程中利用剔除错误匹配的统计量替代运动平滑性约束。在TUM数据集图片上的实验结果表明,融合GMS的ORB特征点提取与匹配算法的匹配效果明显优于原始的ORB算法及其它同类算法。

一种EB_SHOT特征的电子元器件点云配准算法

针对机器人在抓取电子元器件中目标实时精准定位的问题,应用点云配准技术,提出了一种扩展的二进制特征描述子(EB_SHOT)的电子元器件点云配准算法。首先,对采集的电子元器件点云进行ISS关键点提取,获取点云表面均匀分布且具有显著特征的点集。其次,对关键点采用SHOT特征描述和位置空间信息相结合的方法生成E_SHOT特征描述子,并将其编码为EB_SHOT特征描述子。最后,基于FLANN特征点搜索路径进行SAC-IA和ICP相结合的点云配准方法,得到点云之间的空间坐标变换矩阵,从而获得电子元器件的位姿信息。实验结果表明,使用这里方法进行电子元器件点云配准,在配准精度和速度上均有所提高,满足机器人抓取的要求。

一种基于四叉树的改进的ORB特征提取算法

文中提出了一种基于四叉树的改进的ORB(Oriented FAST and Rotated BRIEF)特征提取算法,它能够解决图像特征提取过程中特征点过于集中而导致的图像局部特征信息丢失的问题。首先,将图片构造成图像金字塔来解决尺度不变性问题;然后,在每一层金字塔图像上检测角点来提取特征点;接着,引入四叉树算法来均匀化分布特征点并计算特征点的方向和描述子;最后,以华硕深度摄像头(Xtion PRO)为实验工具,在室内环境下提取周边特征点,并将提取效果与其他方法进行对比,实验证明了所提算法在图像特征均匀化处理方面的快速性以及准确性。

基于形状内容描述子的点特征匹配

针对两幅图像中特征点的匹配问题,本文提出了一种新的基于形状内容描述子的点特征匹配方法。该方法首先利用基于曲率尺度空间(CSS)的角点检测技术获得两幅图像中的角点及其所在的曲线;然后,计算两幅图像中每个角点的形状内容描述子,运用χ2统计检验函数得到描述子的匹配度,对该匹配度进行评估,如果高于某一个阈值,则认为初始匹配成功;最后对初始匹配成功的点对,利用半局域限制完成点集之间的最终匹配。实验结果表明,本文所提出的匹配算法具有较高的点特征匹配准确率。

结合点云纹理信息的快速点特征直方图描述子算法

为了提高点云匹配识别过程中的特征提取效率和匹配精度,提出一种结合点云纹理信息的快速点特征直方图描述子算法。首先基于快速点特征直方图描述子构建形状特征直方图,采用CIELab色彩空间和多种点对纹理属性度量构建纹理特征直方图,然后将两特征直方图连接获得结合点云纹理信息的快速点特征直方图描述子。运用公开点云数据集及实景点云数据进行验证,对该特征描述子与多个现有描述子展开特征匹配试验及点密度变化试验。试验结果表明:当采用CIE00色差作为点对纹理属性度量时描述子的综合性能最佳;且该算法具有良好的特征描述性能和匹配精度,特征提取效率和匹配效率高,在点云密度变化时具有较强的鲁棒性。

基于ORB和SIFT的特征提取算法

结合SIFT算法提取的特征点具备尺度不变性以及ORB算子在特征点提取时具有较好的实时性,提出了基于ORB和SIFT的特征提取算法.该算法特征点提取主要分为3步:(1)借鉴SIFT算法的思想,建立尺度空间并求出极值点;(2)为解决ORB算法不具备尺度不变性的缺点,去除主曲率大于8和对比度较低的极值点;(3)求出特征点质心方向后求取ORB算子.采用两幅企业的LOGO进行仿真实验.仿真实验结果表明,提出的基于ORB和SIFT的特征提取算法相比SIFT算法和ORB算法具有较低的特征点提取误差,相比SIFT算法具有较高的特征点提取速度,并且相比ORB算法具有较高的特征点提取精度,同时解决了ORB算子不具备尺度不变性的缺点.

视觉SLAM中图像特征点提取与匹配算法研究

在视觉SLAM(visual Simultaneous Localization And Mapping,vSLAM)中,利用提取到的图像特征点进行相机位姿估测是一种非常重要的位姿估算方法,为了实现相机的定位,图像特征点必须具备鲁棒性、尺度性和高效率等特点。介绍了图像特征点提取与匹配在视觉SLAM中的作用和场景中图像特征点需要具备的特性;对几种主流的图像特征点提取算法,即尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法、加速稳健特征(Speeded-Up Robust Features,SURF)算法、快速特征点提取与描述(Oriented FAST and Rotated BRIEF,ORB)算法分别进行了简要说明;并通过设计实验,在室内环境中,对几种图像特征点提取算法的运行效率和图像特征点匹配正确率进行了对比测试。实验表明,ORB算法在运行效率和匹配正确率上占据优势,能够较好地满足视觉SLAM中实时性和鲁棒性的要求。

基于自适应阈值的ORB特征提取与跟踪

针对定位跟踪时不同环境的复杂光照变化特点,提出了一种自适应阈值的ORB(Oriented FAST and Rotated BRIEF)特征点提取方法。该方法首先通过自动计算图像块周围的特征点自适应提取阈值,利用该阈值实现图像特征点提取,接着采用水平双目模型进行特征点跟踪。利用数据集在不同环境场景中与不同方法进行对比实验,实验结果表明所提改进的方法在特征点提取时具有更大的检测范围、更快的提取速度以及更好的稳定性,并且在轨迹追踪对比中具有更好的RMSE表现。

机器人SLAM的特征点实时提取改进

为解决传统机器人SLAM在复杂场景下难以保持实时性和稳定性的问题,提出一种对ORB(oriented FAST and rotated BREIEF)特征点过于密集的改进方法,对前端视觉里程计以及SLAM后端进行优化。前端利用划分像素结合四叉树完成特征提取,对像素进行划分提高部分区域提取到特征点的概率,四叉树方法对特征点进行均匀分配提取。RANSAC组合EPNP+ICP的方式减少求解相机运动的误差,基于词袋模型和G2O进行闭环检测和图优化,生成轨迹一致的全局点云地图。将传统的算法和改进的算法在TUM数据集下进行实验对比,实验结果表明,改进后算法的实时性和稳定性明显提高。

改进ORB特征提取与匹配算法研究

在实现图像拼接过程中,ORB算法能够较好地解决运行实时性问题,但是在机器人与实际环境之间的距离变化,导致图像尺寸发生改变,或运动过程中抖动导致的图像模糊时,该算法匹配效率和准确度较差。针对该问题,提出一种改进的ORB特征提取与匹配算法。首先提取具有尺度不变性的特征点,然后利用汉明距离对特征点进行分类、匹配,最后利用改进的RANSAC算法,有效消除误匹配点。实验结果表明:改进算法在提升了匹配的效率和准确度的同时可以满足实时性的要求。

面向室内视觉定位的点特征提取算法比较

针对室内定位中特征提取较为困难的问题,对目前已有的室内点特征提取算法进行了评估。比较尺度不变特征变换算法(SIFT)、快速鲁棒性特征算法(SURF)、旋转不变特征算法(ORB)、二进制尺度不变特征算法(BRISK)及快速视网膜特征算法(FREAK)的原理和特点;并自制室内影像数据集,对不同点特征提取算法在不同条件(光照变换、模糊变换、旋转变换、视角变换、尺度变换)下特征提取的计算效率以及提取质量进行了比较。实验结果表明:FREAK算法在5种变换条件下,都具有较高的提取质量且其计算效率也较高,更适合室内视觉定位中的特征提取环节;SURF算法可以获得较好的提取质量,但是计算效率低;ORB算法效率最高,但是其在特征提取性能上有所不足。

一种改进的ORB特征点匹配算法

ORB算法具有简单快捷的优点,但是原ORB算法存在较多误匹配的现象,针对这一情况,论文对原ORB算法的匹配环节进行改进,提出一种ORB-P算法。通过原ORB特征提取算法提取特征点后,特征匹配环节采用论文提出的基于最近邻比率的特征点前向后向匹配,再使用PROSAC算法剔除误匹配点对,实现精匹配。经过仿真实验证明,改进后的算法具有较强的准确性和实时性,提高了算法的性能,为在复杂场景下的实际应用打下基础。

基于Visual Studio的图像特征点提取研究与实现

图像特征点提取不仅应用于计算机视觉领域而且也是摄影测量中的重要环节。本文主要分析了摄影测量中几种常用的特征点提取算子并结合FLANN匹配方法在VS2012上实现各个特征点算子的性能比较。结果表明:运用BRISK特征检测子结合BRISK描述子来提取特征点不仅提取速度快、消耗内存小,而且具有尺度、旋转不变性和对噪声的鲁棒性。如果不考虑图像的尺度、旋转的变化,则FAST和ORB组合的结果是最优的。

逆向工程中点云特征提取技术研究

点云数据的特征提取是逆向工程领域中的一项重要研究内容,为几何分析、数据分割、曲线匹配和拼接、曲面重建等几何处理提供依据,对后期精确的点云配准、模型重建等研究起关键作用。重点研究分析了基于法向量、曲率点特征直方图PFH和快速点特征直方图FPFH等不同点云特征描述参数的点云特征提取技术,为后续的研究和改进形成新的设计思路提供参考。

基于density-ORB特征的图像特征点匹配算法

针对ORB(Oriented FAST and Rotated BRIEF)算法中的Steer BRIEF描述子只通过比较两个像素点的灰度信息来决定0/1编码,容易产生特征点误匹配现象,本文提出基于像素密度(pixel density)的ORB特征描述子算法,利用两幅图像中相同区域的某一特征点邻域空间内像素密度的相似性原理,通过比较两个像素点的密度信息来决定0/1编码,计算误匹配率,验证了density-ORB算法在图像模糊、压缩、光照变化、视角变化等条件下的鲁棒性.实验结果表明,该算法减少了特征点的误匹配个数,特征点误匹配率比ORB算法降低了2.80%.

基于Gazebo仿真环境的ORB特征提取与比对的研究

类人足球机器人的即时定位与建图技术是实现多机器人协同的前提,在视觉SLAM技术中,ORB在提取图像较为突出的点特征中有着重要的意义。本文描述了类人机器人在足球场上的自定位与地图构建的特征提取与比对,并以提供Gazebo仿真软件的NAO机器人为实验对象,完成了仿真环境搭建,并对足球场内球门的角点、网点等特征进行提取以及机器人位置变化后对球门进行比对。