针对ORB(Oriented FAST and Rotated BRIEF)特征匹配算法在复杂环境变化下匹配精确率低以及匹配速度过慢的问题,提出了一种基于四叉树分解法和RANSAC(随机抽样一致性)方法的改进ORB算法。首先对待处理的原始图像经过四叉树分解法来剔除...针对ORB(Oriented FAST and Rotated BRIEF)特征匹配算法在复杂环境变化下匹配精确率低以及匹配速度过慢的问题,提出了一种基于四叉树分解法和RANSAC(随机抽样一致性)方法的改进ORB算法。首先对待处理的原始图像经过四叉树分解法来剔除掉灰度变化不明显的区域,然后再进行FAST特征点检测,在特征点匹配环节通过改进的RANSAC方法消除掉错误匹配。实验结果表明,改进后的ORB算法有效匹配精度提升23.5%,时间缩短了18.4%,在环境复杂变化时具有良好的鲁棒性与实时性。展开更多
文摘针对ORB(Oriented FAST and Rotated BRIEF)特征匹配算法在复杂环境变化下匹配精确率低以及匹配速度过慢的问题,提出了一种基于四叉树分解法和RANSAC(随机抽样一致性)方法的改进ORB算法。首先对待处理的原始图像经过四叉树分解法来剔除掉灰度变化不明显的区域,然后再进行FAST特征点检测,在特征点匹配环节通过改进的RANSAC方法消除掉错误匹配。实验结果表明,改进后的ORB算法有效匹配精度提升23.5%,时间缩短了18.4%,在环境复杂变化时具有良好的鲁棒性与实时性。
