基于SIFT的单目移动机器人宽基线立体匹配
一种改进SIFT算法的单目视觉里程计
一种改进SIFT算法的单目视觉里程计
赵黎明;陈宁
【期刊名称】《集美大学学报（自然科学版）》
【年(卷),期】2015(020)003
【摘要】针对如何准确获取位姿信息来实现移动机器人的避障问题,提出一种改进SIFT特征点匹配的单目车载视觉里程计算法.首先,为了提高特征点匹配的正确率和实时性,结合主成分分析法和平面极线几何约束,改进了传统SIFI匹配算法,其次,建立合理的移动机器人运动数学模型,得到连续帧间图像信息和移动机器人运动位姿变化的转换关系.试验结果表明,误差仅为1.6％,算法运行时间缩短0.022 s.
【总页数】7页(P218-224)
【作者】赵黎明;陈宁
【作者单位】集美大学机械与能源工程学院,福建厦门361021;集美大学机械与能源工程学院,福建厦门361021
【正文语种】中文
【中图分类】TP24
【相关文献】
1.一种基于SIFT算法的单目视觉里程计设计 [J], 代云祥;陈星晖;李迅
2.融合光流与改进ORB算法的单目视觉里程计 [J], 唐浩; 王红旗; 茹淑慧
3.一种基于SIFT算法的单目视觉里程计设计 [J], 代云祥;陈星晖;李迅
4.基于改进ORB算法的单目视觉里程计研究 [J], 陆文超;杨慧斌;闫娟;亢程博
5.基于改进Census变换的单目视觉里程计 [J], 蔺志伟;李奇敏;汪显宇
因版权原因，仅展示原文概要，查看原文内容请购买。
一种基于SIFT特征匹配的工件识别方法_王彦
© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved.
204
西安理工大学学报 (2009)第 25卷第 2期
1. 2. 2 去除低对比度点和边缘响应点 DoG空间极值点有对噪声敏感的低对比度点和
G ( x, y, kσ) - G ( x, y,σ) ≈ ( k - 1)σ2 2 G ( 4)
所以用 DoG函数也可以得到最稳定的图像特征点 。
为了检测尺度空间局部极值点 , 将输入图像通
过不同尺度 (σ)的高斯核函数连续滤波和下采样形
成高斯金字塔图像 , 然后再对相邻尺度的两个高斯
图像相减得到 DoG金字塔多尺度空间表示 (如图 1
(1. 西安理工大学 机械与精密仪器工程学院 ,陕西 西安 710048; 2. 西安理工大学 自动化与信息工程学院 ,陕西 西安 710048)
摘要 : 为了解决平移 、旋转 、缩放和部分遮挡等复杂环境下的工件图像匹配识别问题 ,给出了一种 基于 SIFT (尺度不变特征变换 )特征匹配的工件识别算法 。该算法采用 SIFT特征作为匹配特征 , 引入欧氏距离作为图像匹配的相似性度量 ,并采用设定阈值的方法剔除误配点 。实验结果表明 ,该 算法能有效解决具有平移 、旋转 、缩放和部分遮挡等情况下的工件匹配识别问题 。 关键词 : 工件识别 ; 特征提取 ; 特征匹配 ; 尺度不变特征变换 中图分类号 : TP391. 41 文献标识码 : A
I ( x, y) = L ( x, y, kσ) - L ( x, y,σ)
(3)
式中 k为常数 。
M ikolajczyk通过实验发现相对于其他的特征提
一种基于改进的SIFT特征点算法的无人机影像快速匹配研究
（ ６ １ ２ ０ ６ 部队 ， 北京 １ ０ ０ ０ ４ ２ ）
摘 要 ： 由于无人机在空 中的姿态不稳 定 ， 拍摄 的影像存在 像 幅小 、 数量 多、 基线短 、 倾 角过 大、 曝 光不 均 匀等 问 题， 采用常规的影像 匹配方法效果不是很 理想 ， 有 时甚至 无法进行 匹配 ， 而ｓ Ｉ Ｆ Ｔ （ Ｓ ｃ ａ ｌ Ｉ ｎ ｖ ａ ｒ ｉ ａ ｎ ｔ Ｆ ｅ ａ ｔ ｒ ｅ Ｔ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｌ ｎ ） 算子 因其 良好的尺度 、 旋转、 光照等不变特 性而广泛应用于 图像 处理 中。本文分析 了 Ｓ Ｉ Ｆ ｑ ＇ 算子的优点 ， 介绍 了用 该算法对无人机影像 进行特征点的提取 ， 并采用最小二乘算 法进行精 匹配。经对 同一地 区无人机航 空摄影 影像
Ｌ Ｉ Ｕ Ｘｉ ａ ｏ—ｌ ｉ
（ ６ １ ２ ０ ６ Ｔ ｒ ｏ ｏ ｐ ｓ ， Ｂ ｅ ｉ ｊ ｉቤተ መጻሕፍቲ ባይዱｎ ｇ １ ０ ０ ０ ４ ２， Ｃ ｈ ｉ ｎ ａ ）
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ｔ ｈ ｅ Ｕ ＡＶ ｉ ｓ ｎ ｏ ｔ ｓ ｔ ａ ｂ ｌ ｅ ｉ ｎ ｔ ｈ ｅ ａ ｉ ｒ ｐ ｏ ｓ ｔ ｕ ｒ ｅ ，ａ ｎ ｄ ｔ ｈ ｅ ｉ ｍａ ｇ ｅ ｓ ａ ｒ ｅ ｓ ｍａ ｌ ｌ ｗｉ ｔ ｈ ｓ ｈ ｏ ｒ ｔ ｂ ａ ｓ ｅ ｌ ｉ ｎ ｅ， ｌ ａ ｒ ｇ ｅ ａ ｎ ｇ ｌ ｅ ，ａ ｎ ｄ ｕ ｎ ｓ ｔ ａ ｂ ｌ ｅ ｅ ｘ ｐ ｏ ｓ ｕ ｒ ｅ ．
ｒ ｏ ｔ ａ ｔ ｉ ｏ ｎ，ｉ ｌ ｌ ｕ ｍｉ ｎ ａ ｔ ｉ ｏ ｎ ｉ ｎ ｖ ａ ｒ ｉ ｎｔ ａ ｆ ｅ ａ ｔ ｕ ｒ ｅ ，ｉ ｓ ｗ ｉ ｄ ｅ ｌ ｙ ｕ ｓ ｅ ｄ ｉ ｎ ｉ ｍａ ｇ ｅ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｇ ．Ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ａ ｎ ａ ｌ ｙ ｚ ｅ ｓ ｔ ｈ ｅ ａ ｄ ｖ ａ ｎ ｔ ａ ｇ ｅ ｓ ｏ ｆ Ｓ Ｉ Ｆ Ｔ ｏ ｐ ｅ ｒ ａ ｔ ｏ ｒ ，ａ ｎ ｄ ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ｓ ｔ ｈ ｅ ｗａ ｙ ｔ ｏ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｔ ｈ ｅ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｐ ｏ ｉ ｎ ｔ ｓ ｏ ｆ Ｕ ＡＶ ｉ ｍａ ｇ ｅ ｂ ｙ ｔ ｈ ｅ ａ ｌ ｇ ｏ ｉｔ ｒ ｈ ｍ，ａ ｎ ｄ ｔ ｈ ｅ ｐ ｒ ｅ ｃ ｉ ｓ ｅ ｍａ ｔ ｃ ｈ ｉ ｎ ｇ ｗｉ ｔ ｈ ｌ ｅ ａ ｓ ｔ ｓ ｑ ｕ ａ ｒ ｅ ｍｅ ｔ ｈ ｏ ｄ ．
基于 SIFT 的宽基线立体影像密集匹配
第40卷 第5期测 绘 学 报Vol.40,No.5 2011年10月Acta Geoda etica et Ca rtographica SinicaOct.,2011文章编号:1001-1595(2011)05-0537-07基于SIFT 的宽基线立体影像密集匹配杨化超1,2,姚国标2,王永波1,21.国土环境与灾害监测国家测绘局重点实验室,江苏徐州221116;2.中国矿业大学环境与测绘学院,江苏徐州221116D ense M a tching for W ide Base -line Stereo Im ages Based on SIFTYANG H uacha o 1,2,YAO Guobiao 2,WANG Yongbo 1,21.Key La bora tory for La nd Envi ronment &Disa ster M onitoring of SB SM ,Xuzh ou 221116,China;2.School of En v ironmenta l &Spa tia l Informa tics,China University of M ining &Technology,Xuzhou 221116,Ch i naAbstract :A novel mul t-i stage quas-i dense matchi ng al gorithm for w i de base -l ine stereo i m a ges i s introduced ba sed on SIFT a nd dual constra ints of epipola r geom etry and homographic mapping.The proposed a lgori thm i ncludes foll ow i ng three sta ges: The opti m a l SIFT features w it h good spa tial dist ribution a nd l arge informat ion content are fi rst selected,and matched by usi ng the least squares ma tching m ethod,t hen the fundamenta l and homographic m a trix can be esti mated by usi ng these i ni tia l sparse correspondences with hi gher precisi on; For the other SIFT features,the affine tra nsformati on para meters betw een mat chi ng window s a re i tera tivel y optimi zed by using the slope a ngl e of cor respondent epipola r lines and scale i nformati on of SIFT feat ures,a nd a ffi ne invaria nt feature descri ptors are extra cted from the corrected matchi ng window s,then correspondences can be determined by Eucli d dista nce and dua l const raint i nformati on; Considering the lower repeata bil ity ra te of fea ture detection for wide base -li ne stereo i mages,for the unma tched poi nt s ext racted from left and ri ght ima ges of stereo pa irs,mat ching ca n be car ried out by adopting t w o -w a y search strat egy from left to right i mage or from right t o left i mage ba sed on the rapi d SSD simi lari ty cost functi on and affine recti fi ed dua l constrai nts region,a nd t he least squares curve sur fa ce fitti ng wei ghted by Ga ussi an -distance algori thm is adopted to i m prove the preci sion of matchi ng results.Test resul ts usi ng pra cti ca l w i de ba se -l ine i mage pa irs i ndi ca te the proposed al gori thm is effective a nd can provide rel ia ble dense or qua s -i dense ma tching points for subsequent 3D reconst ruction.Key words :sca le invaria nt feature transform a tion;quas-i dense matchi ng;affine i nva riant;homogra phi c mappi ng 摘 要:提出基于对极几何和单应映射双重约束及SIFT 特征的宽基线立体影像多阶段准密集匹配算法。
基于移动机器人的快速立体匹配技术研究
Ｒｅ ｅ ｒ ｈ ｏ ｓ ｔ ｒ ｏ Ｍ ａ ｃ ｉ ｇ Ｔｅ ｈ ｌ ｇ ｓ ｄ ｏ ｏ ｌ ｂ ｔ ｓ ａ ｃ ｎ Ｆａ ｔＳ ｅ ｅ ｔ ｈ ｎ ｃ ｎｏｏ ｙ Ｂａ ｅ ｎ Ｍ ｂｉ Ｒｏ ｏ ｅ
文章 编 号 ：６ ３１９ ２ １ ）４０ １－４ １７ ． Ｘ（０ ０ ０ － ８０ ５ ０
基 于 移 动 机 器 人 的 快 速 立 体 匹 配 技 术 研 究
李洪海
（ 淮阴工学院， 江苏 淮安 ２ ３０ ） ２ ０２
摘
要： 在介绍 了常用立体 匹配算法 的基础上 ， 针对 移动机器 人快速移 动的特点 ， 结合立体 匹配 的实时性 ， 选
２ 常用 立体 匹配 算 法
立 体匹配 的关键 是 寻找 匹配 的对应 点 。根据 匹 配基元 的不 同 ， 立体 匹配算 法可 分为两 类 ： 于区域 基
的立体 匹配 、 于全局 的立 体匹 配 。 基 ２ １ 基 于区域 的立体 匹配算 法 ．
双 目立 体视觉 已经广 泛 应 用 于机 器 人视 觉 ， 如
中成 像点 的位 置差异 。
自主 车导航 ， 三维测 量 ， 于 图像 的建模 和绘 制等领 基 域¨ ， Ｊ其立 体匹 配被普 遍认 为 是 最 困难 也 是最 关 键 的问题 。通过 找出 每对 图像 间 的对 应关 系 ， 解 决 来 立 体匹配 问题 ， 通过 三角测 量原理 ， 而得到视 差 再 进 图； 在获得 了视差 信息后 ， 根据 投影模 型很 容易地 可
择 了基于区域的 ＷＴ Ａ立体匹配算法 ， 并对该算 法采 用 了多 项改进措 施 ， 证 了匹配 的正确性 ， 保 降低 了误 匹配率。
一种改进的SIFT图像立体匹配算法
一种改进的SIFT图像立体匹配算法
李丹;孙海涛;王海莉
【期刊名称】《西南交通大学学报》
【年(卷),期】2015(000)003
【摘要】针对SIFT算法复杂度高、计算时间长、影响立体匹配的实时性等问题，提出了一种改进的立体视觉特征点匹配算法该算法从两个方面对SIFT算法进行改进：首先利用24维特征描述符代替128维特征描述符，以降低计算复杂度；其次在图像对匹配过程中采用改进的BBF搜索算法，通过引入最小优先级队列的限制条件和匹配精度更高的马氏距离判断两幅图像特征点的匹配性．采用经典图像和未知的室外环境下拍摄的图像对本文算法进行实验验证，结果表明，本文提出的算法每100个特征点检测时间为0．01 s，正确匹配率平均为89．65％，相对于原算法，提高了匹配的准确度，并降低了匹配时间．
【总页数】7页(P490-496)
【作者】李丹;孙海涛;王海莉
【作者单位】安徽工业大学电气信息学院，安徽马鞍山243002;安徽工业大学电气信息学院，安徽马鞍山243002;安徽工业大学电气信息学院，安徽马鞍山243002
【正文语种】中文
【中图分类】TN391.41
【相关文献】
1.立体匹配SIFT图像特征点提取算法仿真研究 [J], 高飞;沈淑涛
2.基于改进SIFT算法的建筑物图像立体匹配 [J], 牛海涛;赵勋杰;李成金;彭翔
3.一种改进的基于图像分割的立体匹配算法硏究 [J], 殷均平
4.基于SIFT算法图像重构立体匹配研究 [J], 孙亮
5.基于改进SIFT立体匹配算法的双目三维重建研究 [J], 童欣;殷晨波;杜雪雪;马伟因版权原因，仅展示原文概要，查看原文内容请购买。
双目视觉小波域SIFT匹配与极线约束算法研究
双目视觉小波域匹配与极线 SIFT 约束算法研究汪 瑶，徐 杜，蒋永平，卢传泽 ( 广东工业大学 信息工程学院，广东 广州 510006)摘 要: 研究双目立体视觉技术，特征的提取和匹配是双目视觉的最基本的问题。
目前，S I F T 已经被证明鲁棒性最好的局部不变特征描述符。
但是 S I F T 算法产生的误匹配较多，精度偏低，为了解决这一问题，同时降低算法特征提取与匹配的复 杂度，达到双目立体视觉实时性的要求，文中提出了一种结合小波变换和 S I F T 特征点的双目立体视觉匹配方法。
首先，对双目视觉系统采集的左、右图像进行小波分解，把分解得到的低频图像作为输入，用 S I F T 算法进行特征点的初始匹配，再 利用极线约束的理论求得精确匹配。
实验结果表明，该方法具有较强的适应性，能够在减少误匹配的同时，大大加快运算速度。
关键词: 小波变换; 立体匹配; 尺度不变特征变换; 极线约束 中图分类号: TP391文献标识码: A文章编号: 1673 －629X ( 2012) 11－0081 －04 Study on C o mb i n e d W av e l et －S I F T M a tc h i ng and Ep i p o l a rC o n s t r a i n t Algorithm for B i n oc u l a r Ste r eo V i s i o nWANG Y ao ，XU D u ，J I A NG Y o n g －p i n g ，L U C hu a n －ze( F ac u l ty o f I n fo r m at i o n En g i n eer i n g ，Guangdo ng U n i v ers i ty o f T ec hn o l o gy ，Guangzho u 510006，C h i n a )Ab st r a ct : The fe at u re e xt rac t i o n and m at c h i n g i s t he b as i c p ro b l e m for b i n oc u l ar ste re o ．S I F T has prov ed to be t h e mo st ro bu st l o c a l i n v ar -i a n t fe at u re d esc r i p to r in o b j ect reco g n i t i o n and m at c h i n g ． H o w e rv e r ，i t ge n e rat e s th e m i s m at c h and l o w p re c i s i o n ． In order to so l v e t h i s p ro b l e m and reduce co m p l e x i t y of t he S I F T a l go r i t hm ，m e et i n g t he h i g h e r accuracy and re a l －t i m e re qu i re m e n t s of b i n o c u l ar st e re o v i s i o n ， p re se nt an a l go r i t hm of b i n oc u l ar ste re o v i s i o n m atc h i n g approach based on w av e l et t ra n sfo r m at i o n and sc a l e i n v ar i a n c e fe at u re t ra n sfo r - m at i o n ( S I F T ) ． F i rst ，p ro ce ss t he l e ft and r i g h t i m ag e s re s p ect i v e l y co ll e cte d by b i n o c u l ar ste re o v i s i o n sy ste m based on th e m e t ho d of w av e l et d e co mp o s i t i o n ． Then co mp l et e t he i n i t i a l m at c h of fe atu re p o i n t t o l o w frequency i m ag e o b t a i n e d by d ec o mp o s i t i o n w i t h S I F T a l - go r i t hm ．F i n a ll y ，ac h i e v e e x act mat c h in ac co rd an c e w i t h e p i p o l ar co n st ra i n t t h eo ry ．The e x p e r i m e n t a l res u l ts prov e th at t h i s a l g o r i t hm has a st ro n g a d a p t a b ili t y ． I t makes h i g h m atc h i n g accuracy and enhances the co mpu t i n g s p ee d ． K e y wo r d s : w av e l et ; ste reo m atc h i n g ; S I F T ; t he e p i p o l ar co n st ra i n t［3］引 言他特征描述子 。
基于序列最小优化的SIFT特征提取与匹配算法
LIAO Xiao － fei1，2 ，ZHUANG Xin － chuang1 ，GONG Wei － tao1 ，CHEN Jian － jun1
再利用三角关系便可重新建立起三维世界［1］。在双目立体 视觉 SLAM （ Simultaneous Localization and Mapping） 中，双 目 立体匹配是解决 SLAM 立体视觉的关键技术，也是双目立体 视觉中最关键和最困难的问题，一直是立体视觉领域研究的 重点。但是，目前还没有一种特定的匹配算法来解决双目图 像对应点匹配的问题，因此，如何实现图像间快速、准确地匹 配在双目立体视觉领域具有十分重要的意义［2］。
（ 1． College of Information Science and Technology，Donghua University，Shanghai 201620，China； 2． Engineering Research Center of Digitized Textile ＆ Fashion Technology，Ministry of Education，
摘要： SIFT 是特征提取与匹配技术中的一种有效的方法，具有较好的稳定性配的维数较高，且存在较大的误匹配率，影响双目立体视觉 SLAM 的实时性和准确率。为此，提出 SMO － SIFT 算法， 对原 SIFT 进行欧氏距离比值的阈值选取进行粗匹配，再结合支持向量机的 SMO 算法，改进 SIFT 算法中的特征匹配算子。 MATLAB 仿真表明 SMO － SIFT 算法降低了算法的维数，改善了特征提取的实时性，同时提高了算法精确度，比较适合应用 于双目立体视觉 SLAM 中。 关键词： 尺度不变特征转换； 特征提取与匹配； 双目立体视觉即时定位与地图构建； 序列最小优化 中图分类号： TP391. 0 文献标识码： B
基于SIFT的单目移动机器人宽基线立体匹配
万方数据 万方数据第１１期谢凡等：基１二ｓＩ丌＇的单目移动机器人宽基线立体匹配２２４９构成４个８维特征向量，因此该特征点可以由这４个８维特衙向量组成的一个３２维向量表示出来。
图３．图４，图５分别是对缩放、旋转以及大视角变化的图像对进行Ｓ１ｗ匹配实验，连线表示两图之间点的匹配关系。
图３缩放网像对龋配Ｆｉｇ．３ｓｃａｌｅｄｉｍａｇｅｐａｉｒｍａｔｃｈｉｎｇ图４旋转图像对肛配Ｆｉｇ．４Ｒｏｔａｔｅｄｉｍａｇｅｐａｉｒｍａｔｃｈｉｎｇ图５视角变化图像对匹配Ｆｉｇ．５Ｖｉｅｗａｎｇｌｅｃｈａｎｇｅｄｉｍａｇｅｐａｉｒｍａｔｃｈｉｎｇ由实验结果可以对Ｓｌｌ，ｒ特征描述子的特点总结如下：１）ＳＩＦＴ特征描述子对于图像的缩放，旋转以及视角变化都有很强的鲁棒性，从实验结果发现针对这３种情况都能够产生比较稳定的匹配结果。
２）利用ＳＩ丌特征点进行匹配能够获得大量的匹配点对，而且匹配正确率高。
实验结果图中为了表示方便只标注了一部分匹配点对。
实际结果中，缩放图像对共产生４７７组匹配点对。
其中正确匹配点对为３８６组，匹配率为８１％，旋转图像对共产生１４８６组匹配点对，其中正确匹配点对为ｌ３９５组，匹配率为９３．９％，而对于视角变化图像共产生４１０组匹配点对，其中正确匹配点对为２９４组，匹配率为７１．７％。
３匹配点优化由ＳＩＦＴ匹配算法可以获得大量的匹配点对，但足通过上述实验可以发现，在大量匹配点对中仍然存在部分误ｐ‘配点以及匹配不准的点，由于匹配点对的正确率与精确性在很大程度卜决定了后期进行三维重建的精度，因此需要对初始匹配点对集合进行进一步的筛选。
随机抽样一致性算法ＲＡＮＳＡＣ（ｒａｎｄｏｍｓａｍｐｌｅｃｏｎｓｅｎｓｕｓ）¨¨是在计算机视觉领域内应用最广泛的鲁棒估计算法之一。
本文利用ＲＡＮＳＡＣ算法在未得到基本矩阵的情况下进行误匹配点的消除，同时获得优化后的基本矩阵，再利用极线约束进一步得到高精度的匹配点对，为进一步的ｉ维重建打下良好的基础。
基于SIFT的图像匹配算法
SI FT 特征向量 , 然后采用 SIFT 特征向 量的欧式距离来作为两幅 图像中 关键点 的相似 性度量 . 从不 同阈 值设置、 视角变化及遮挡、 添加噪声等几个方面对基于 SIFT 的图像匹配进行了 研究和探讨 . 实验 结果证 明 , 本算法对图像尺度、 视角变化、 目标遮 挡、 噪声影响等 方面有 较好的 鲁棒性 , 适用 于在海 量特征 数据 库中进行快速、 准确的匹配 . 关键词 : 图像匹配 ; SIFT; 特 征检测 ; 特征描述 文献标识码 : A
2 [ 8]
) 来表示相邻两尺
- (x 2+ y 2 ) / 2 2
e
( 1) ( 2) )] ( 3)
)
I ( x, ห้องสมุดไป่ตู้ )
) = [ G ( x, y, k ] - G ( x, y, I( x, y ) = L (x, y, k ) L ( x, y, )
高斯金字塔有阶 , 本文选择 7 阶 , 每一阶有层 尺度图像, 高斯金字塔的构成如图 1 所示 .
1
SIFT 特征向量的形成与匹配
. 目前已有的一些匹配算法如
基于面积、 基于比值、 基于相位等相关算法都存在 一个共同的缺点 : 图像间的焦距要一致, 不能有尺 度缩放, 旋转角度不能太大 , 变形不能太明显等. 随着数字图像技术和计算机技术的发展, 出现了 基于特征的图像匹配技术 . 基于特征的图像匹 配技术根据匹配目标的需要进行特征的组合、 变 换 , 以形成易于匹配、 稳定性好的特征向量, 从而 把图像匹配问题转化为特征的匹配问题, 进而将 特征的匹配问题转化为特征空间特征向量的聚类 [ 7] 问题 . 其中以 Dav id G. L ow e 在 2004 年提出的 S IFT ( Scale Invariant F eature T ransfor m ) 即尺度不 变特征变换 ) 特征匹配算法为代表. SIFT 是一种 提取局部特征的算法 , 在尺度空间寻找极值点 , 提 取位置、 尺度、 旋转不变特征量 , 并根据两幅图像 特征量之间的距离实现图像匹配. 本文将针对运用 SIFT 进行图像匹配的问题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
言
效 果 的好 坏也 直接影 响到最 终三维 重建 的精度 。 立体 匹 配方 法 有 以下 ３类 比较 常 用 的算 法 ， 先 是 首
第２ ９卷
第 １ 期 １
仪 器 仪 表 学 报
Ｃ ｉ ｅ ｅ Ｊ ｕ Ｉ ｆＳ ｉｎ ｉ ｃ Ｉ ｓ ｕ ｎ ｈ ｎ ｓ ｏ ｍａ ｏ ｃｅ ｔ ｎ ｔ ｍｅ ｔ ｉ ｆ ｒ
Ｖ０． ９ Ｎｏ ｌ Ｊ２ ．１ ＮＯ ． ２ ｏ８ Ｖ ０
２０ ０ ８年 １ １月
人环境探索 中存 在的大视差宽 基线 图像对 的立体 ｐ配 问题 ， 出了一种基于 ＳＦ １ ； 提 ＩＴ特征描述子 的单 目移动机器人宽基线立体视
觉 配方 法 ， 过 提 取 ＳＦ 通 ＩＴ不 变 特 征 点 ， 造 ＳＦ 构 ＩＴ特 征 向量 ， 而 实 现 特 征 点 对 的 初 配 ， 一 步 利 用 Ｒ Ｎ Ａ 从 进 Ａ Ｓ Ｃ算 法 以及 外 极
基 于 ＳＦ Ｉ Ｔ的单 目移 动机 器 人 宽 基 线 立体 匹配 术
谢 凡 ， 世引 秦
（ 北京航空航天大学 自动化科学与电气工 程学院 北京 １０ ８ ） ０ ０ ３ 摘 要 ： ＩＴ特征描述子是一种对 图像旋转平移 、 ＳＦ 缩放以及视角变化具 有不变性 的 配特征描述方法 ， 本文针对单 日移动 机器
Ａｂ ｔ ａ ｔ ｓ ｒ ｃ ：ＳＩ Ｔ ｅ ｔ ｅ ｄｅ ｃ ｉ ｔｒｉ ｈ ｒ ｃｅ ｉｅ ｔ ｎ ａ ｉｎ ｅ ｆ ｒｉ ｇ ｈ ｆｉｇ ａ ｄ ｃ ａ ｇ ｓ ｏ ｃ ｌ ｎ ｉｗ Ｆ ｆａｕｒ ｓ ｒｐｏ ｓ ｃ ａ ａ ｔ ｒｚ ｄ ｗｉ ｉｖ ｒａ ｃ ｏ ｍａ ｅ ｓ ｉｔ ｎ ｈ ｎ ｅ ｆｓ ａｅ ａ ｄ ｖ ｅ ｈ ｎ ａ ｇｅ．Ｉ ｈｉ ａ ｅ ，ａ ｗｉ ｅ ｂ ｓ ｌｎ ｔｒ ｏ ｖｓｏ ｔｈ ｎ ｐ ｒ ａ ｈ ｉ ｏ ｓ ｄ ｂ ｓ ｄ ｏ ｈｅＳ ＰＩｆ ａｕ ｅ ｄ ｓ ｒｐ ｎｌ ｎ ｔ ｓ ｐ ｐ ｒ ｄ ａ ｅｉ ｅ ｓｅ ｅ ｉｉ ｎ ｍａ ｃ ｉ ｇ ａ ｐ ｏ ｃ ｓｐｒｐｏ ｅ ａ ｅ ｎ ｔ Ｉ ＂ ｅ ｔ ｒ ｅ ｃ ｉ— ｔｒ ａ ｄ ｉ ｐ ｌｅ ｏ ｓ ｍｅ ｉ ｇ ａ ｒ ｔ ａ ｇ ｉｐ ｒｔ ｎ ｄ ａ ｅｉ ｅ ｉ ｅｔ ｉ ｎ ｉ ｎ ｎ ａ ｘ ｌｒｎ ａ ｋ ｏ ｎ ｓ ａ ｐ ｉｄ ｔ ｏ ｍａ ｅ ｐ ｉｓｗｉ ｌ ｒｅ ｄ ｓ ａ ｉ ａ ｄ ｗｉ ｅ ｂ ｓ ｌ ｎ ｃ ｒａ ｎ ｅ ｖｒ ｍｅ ｔｌｅ ｐ ｏ ｉ ｇ ｔｓ ｈ ｙ ｎ ｏ ｏ ｎ ｃ ａ ｂ ｌ ｏ ｏ ．Ａｔｆｒ ｔ Ｉ ＇ ｅ ｔ ｒ ｅ ｔｒｉ ｏ ｓｒ ｃ ｅ ｙ ｅ ｔａ ｔｎ ｈｅ ｉｖ ｒａ ｔｆ ａｕ ｅ ｆｍｏ ｏ ｕｌｒｍｏ ｉｅ ｒ ｂ ｔ ｓ ，ａ Ｓ ＰＩ ｆ ａｕ ｅ ｖ ｃ ｏ ｓｃ ｎ ｔｕ ｔｄ ｂ ｘ ｒ ｃｉ ｇ ｔ ｎ ａ ｉｎ ｅ ｔ ｒ ｓ，ｔ ｅ ｎ ｉ ｈ ｎａ ｅｅ ｎ ａ ｙ ｍａ ｃ ｉ ｇ ｉ ａ ｒｅ ｕ ，ｍｏ ｅ ｖ ｒｔ ｅ ＲＡＮＳ ｌｍｅ ｔｒ ｔｈ ｎ ｓ ｃ ｒｉｄ ｏ ｔ ｒ ｏ ｅ ｈ ＡＣ ｌｏ ｉｈ ａ ｄ ｅ ｉ ｏａ ｉ ｅ ｃ ｎ ｔａｎ ｓ ａ ｅ ｅ ｌｙ ｄ ｔ ａ ｇ ｒｔ ｍ ｎ ｐ ｐ ｌｒｌｎ ｏ ｓｒ ｉｔ ｒ ｍｐｏ ｅ ｏ ｏ ｔ ｚ ｎ ｅｅ ｔｔ ｅ ｍａｃ ｎｇ ｐ ｉｔ ｒ ｍ ｈ ｌ ｍｅ ｔ ｒ ｔｈ ｎ ｏｎ ｅ ． Ｆ ｎ ｌ ｐ ｉ ｅ ａ ｄ ｓ ｌ ｃ ｈ ｔｈｉ ｏｎ ｓ ｆｏ ｔ ｅ ｅ ｅ ｎ ａ ｙ ｍａ ｃ ｉ ｇ ｐ ｉｔｓ ｔ ｉ ａｌ ｍｉ ｙ，ｔ ｅ ａ ｃ ｒ ｃ ｆｔ ｅ ｍａｅ ｈ ｃ ｕ ａ ｙ ｏ ｈ ｔ— ｈ ｎ ｏ ｎｓ ｉ ｅ ｉ ｅ ｎ ａ ｉａ ｅ ｙ ３Ｄ ｅ ｏ ｓｒ ｃｉｎ ｅ ｐ ｒｍｅ ｔ ． ｉ ｇ ｐ ｉ ｔ ｓ ｖ ｒｆ ｄ ａ ｄ ｖ ｌｄ ｔｄ ｂ ｒ ｃ ｎ ｔｕ ｔｏ ｘ ｅ ｉ ｎ ｓ ｉ
线 约束进行 配点 的优化筛选 ， 并通过三维重建实验 验证 了获得 配点 对的准确 性。
关键 词 ： Ｉ ；宽基 线 ；立 体 配 ； 目移 动 机 器 人 ；Ｒ Ｎ Ａ ＳＦ Ｔ 单 Ａ ＳＣ 中 图分 类 号 ： Ｐ Ｔ２ 文献标识码 ： Ａ 国 家标 准 学 科 分 类 代 码 ： ２ ．０ ５ ０ ６４
Ｗ ｉ ｅ ｂａ ｅｉ ｅ ｓｅ ｅ ｉｉ ｎ ｍ ａ ｃ ｎｇ ａ ｐ ｏ ｃ ｏ ｄ ｓ ｌｎ ｔ ｒ ｏ ｖｓｏ ｔｈｉ ｐ ｒ ａ ｈ ｆ ｒ ｍ ｏ ｏ ｕ ａ ｏ ｌ ｏ ｔｂａ ｅ ｎ ＳＩ ｎ ｃ ｌ ｒ ｍ ｂｉ ｒ ｂｏ ｓ ｄ ｏ ＦＴ ｅ
Ｋｅ ｒ ｙ ｗｏ ｄ： Ｓ ＰＩ；ｗｉ ｅ ｂ ｓ ｌｎ Ｉ ＇ ｄ ａ ｅ ｉ ｅ；ｓｅ ｅ ｉｉ ｎ ｍ ａｃ ｉ ｇ；ｍｏ ｏ ｕ ａ ｂ ｌ ｏ ｏ ；ＲＡＮＳ ｔｒ ｏ ｖｓｏ ｔ ｈ ｎ ｎ ｃ ｌ ｒｍｏ ｉ ｒ ｂ ｔ ｅ ＡＣ
关点进行匹配 ， 从而构建多幅视图问的射影关系。而匹配
ＸｅＦ ｎ Ｑ ｎＳ ｉ ｎ ｉ ａ ， ｉ ｈｙ ｉ
（ ｃｏｌｆＡ ｔ ｔ ｎＳｉ ｃ ｎ ｌ ｔｃｌ ｎ ｉｅｒ ｇ Ｂ ｉ ｎ ｎ ｅ ｉ ， ｅ ｎ ０ ０ ３ Ｃ ｉ ） Ｓｈｏ ｏ ｕ ｍａｉ ｃ ｎｅａｄＥｅ ｒ ａ ｇｎｅｉ ， ｅ ａ ｇＵ ｉ ｒｔ Ｂ ｌ ｇ１０ ８ ， ｈｎ ｏ ｏ ｅ ｃｉ Ｅ ｎ ｈ ｖ ｓｙ ｉ ｔ ａ