针对ORB(oriented fast and rotated brief)算法提取图片特征时存在的特征点分布不均匀问题,提出了一种改进的ORB算法。通过密度峰值聚类算法计算四叉树分割后的各区域特征点密度峰值,并对密度峰值高的区域使用四叉树多次分割;同时在初...针对ORB(oriented fast and rotated brief)算法提取图片特征时存在的特征点分布不均匀问题,提出了一种改进的ORB算法。通过密度峰值聚类算法计算四叉树分割后的各区域特征点密度峰值,并对密度峰值高的区域使用四叉树多次分割;同时在初始阈值(iniThFAST)和最小阈值(minThFAST)中加入中间阈值(middleThFAST),提高特征点灰度值差值,减少冗余特征点提取,提高图片特征点均匀性。对特征点提取与匹配进行了实验验证,结果表明改进算法对比传统ORB算法在均匀度和匹配效率方面均有明显提升。结合ORB-SLAM2定位实验表明,改进算法的定位精度平均提高16.6%,每帧追踪时间平均减少12.4%,有效保证实际定位过程的精确性和实时性。展开更多
文摘针对ORB(oriented fast and rotated brief)算法提取图片特征时存在的特征点分布不均匀问题,提出了一种改进的ORB算法。通过密度峰值聚类算法计算四叉树分割后的各区域特征点密度峰值,并对密度峰值高的区域使用四叉树多次分割;同时在初始阈值(iniThFAST)和最小阈值(minThFAST)中加入中间阈值(middleThFAST),提高特征点灰度值差值,减少冗余特征点提取,提高图片特征点均匀性。对特征点提取与匹配进行了实验验证,结果表明改进算法对比传统ORB算法在均匀度和匹配效率方面均有明显提升。结合ORB-SLAM2定位实验表明,改进算法的定位精度平均提高16.6%,每帧追踪时间平均减少12.4%,有效保证实际定位过程的精确性和实时性。