基于改进的ORB算法的图像匹配算法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110472662A(43)申请公布日2019.11.19(21)申请号201910618024.6(22)申请日2019.07.10(71)申请人上海理工大学地址200093上海市杨浦区军工路516号(72)发明人孙东岳丁德锐管启张孙杰朱鸣镝陈婵(74)专利代理机构上海天协和诚知识产权代理事务所31216代理人沈国良(51)Int.Cl.G06K9/62(2006.01)G06K9/46(2006.01)权利要求书1页说明书5页附图2页(54)发明名称基于改进的ORB算法的图像匹配算法(57)摘要本发明公开了一种基于改进的ORB算法的图像匹配算法，本方法通过AGAST算法对目标图像和对比图像产生一组搜索树，执行后向归纳算法得到平面区域决策树和复杂区域决策树；通过比对决策树内像素点特征得到特征点；确定特征点主方向并使主方向旋转到0度；采用BRIEF算法对特征点构建特征向量；采用多探针局部敏感哈希算法将特征向量映射到不同的哈希桶中，并按探测序列比对不同哈希桶中的特征向量，得到初始匹配对；调用RANSAC算法函数对初始匹配对进行误匹配剔除，得到精准的图像匹配结果。本算法通过对特征点提取和匹配，得到粗略匹配集合，并剔除误匹配，保留正确匹配集合，提高图像匹配的准确率以及算法的运算速度。CN110472662ACN110472662A权利要求书1/1页1.一种基于改进的ORB算法的图像匹配算法，其特征在于本方法包括如下步骤：步骤一、采集目标图像，通过AGAST算法产生一组搜索树，执行后向归纳算法，得到两个最优决策树，分别适用于平面区域和图像复杂区域，并命名为平面区域决策树和复杂区域决策树；步骤二、将目标图像中所有像素点放入平面区域决策树的根节点，判断中心像素点与周围像素点亮度，周围像素点亮度是否大于中心像素点亮度，如是中心像素点放入平面区域决策树的子节点，如否中心像素点放入复杂区域决策树的根节点，直至所有像素点判断完毕，其中，平面区域决策树的子节点构成叶节点集合，该集合中的像素点为目标图像的特征点；步骤三、对于复杂区域决策树根节点的像素执行步骤二的判断，构成复杂区域决策树的子节点，复杂区域决策树的子节点构成叶节点集合，该集合中的像素点为目标图像的特征点，合并平面区域决策树叶节点集合和复杂区域决策树叶节点集合，得到目标图像的所有特征点；步骤四、采用质心算法确定特征点图像块区域的主方向，图像块质心为图像块灰度值的加权中心，利用图像块的二阶矩给定特征点主方向，同时旋转图像块，使特征点主方向旋转到0度，增加图像匹配的旋转不变性；步骤五、构建特征向量，采用BRIEF算法，随机将特征点图像块区域内的像素点作两两比对，如一对像素点中第一个像素点的像素值比第二个像素点的像素值大，记为1，否则记为0，以此类推，得到所有特征点图像块区域的二进制特征向量，特征向量包含特征点周围图像块区域的信息；步骤六、采集对比图像，并按步骤一至步骤五得到对比图像的所有特征点图像块区域的二进制特征向量；步骤七、采用多探针局部敏感哈希算法分别将目标图像的二进制特征向量和对比图像的二进制特征向量通过多个哈希函数映射到不同的哈希桶中，其中对比图像的二进制特征向量作为查询向量，使用多探针局部敏感哈希算法的探测序列比对不同哈希桶中的二进制特征向量，得到目标图像和对比图像的初始匹配对；步骤八、调用RANSAC算法函数，利用单应性矩阵对初始匹配对进行误匹配剔除，得到精准的图像匹配结果。2.根据权利要求1所述的基于改进的ORB算法的图像匹配算法，其特征在于：所述步骤二中，中心像素点与周围像素点亮度的判断首先设定中心像素点的亮度为Lp以及亮度阈值T，其中，T=20%Lp，若周围像素点亮度大于Lp±T，则判断为周围像素点亮度大于中心像素点亮度。3.根据权利要求1所述的基于改进的ORB算法的图像匹配算法，其特征在于：所述步骤二中，选取8个周围像素点并分别与中心像素点进行亮度比对。4.根据权利要求1所述的基于改进的ORB算法的图像匹配算法，其特征在于：所述步骤五中，随机选取特征点图像块区域内的128对像素点作两两比对，得到128维的二进制特征向量。2CN110472662A说明书1/5页基于改进的ORB算法的图像匹配算法技术领域[0001]本发明涉及一种基于改进的ORB算法的图像匹配算法。背景技术[0002]定位与实时建图是机器人导航和控制研究领域的两个基本问题，机器人研究领域的同步定位与地图构建SLAM技术是同时解决这两大问题的关键技术之一。目前，SLAM技术是机器人、自动驾驶、增强现实等领域的关键技术之一，是智能移动平台感知周围环境变化的基础技术。由于图像或视频能够提供丰富的环境信息，所以大部分SLAM技术研究集中在视