-
题名基于最佳几何约束和RANSAC的特征匹配算法
被引量：10
- 1
-
-
作者
宁小娟
李洁茹
高凡
王映辉
-
机构
西安理工大学计算机科学与工程学院
陕西省网络计算与安全技术重点实验室
江南大学人工智能与计算机学院
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2022年第4期727-734,共8页
-
基金
国家自然科学基金(61871320,61872291)
国家重点研发计划(2018YFB1004905)
教育厅重点实验室项目(17JS099)。
-
文摘
为解决特征点匹配的质量与计算效率不能兼得的问题,研究了一种基于最佳几何约束和RANSAC(random sample consensus)的特征点匹配方法。采用KNN(k-nearest neighbor)算法对提取到的特征点完成初始匹配,根据匹配点对连接线长度相等、斜率相同的特点,基于统计排序策略构建最佳几何约束,剔除明显错误匹配。利用RANSAC算法进行二次过滤,确保特征匹配点对的正确率,同时给出实验结果加以验证。结果表明:在正常光照下,与Lowe’s算法和GMS算法相比,该算法匹配到的点对数有了明显增加,同时很大程度上保证了特征点的质量。
-
关键词
统计排序
最佳几何约束
RANSAC(random
sample
consensus)算法
特征点匹配
-
Keywords
statistical ranking
optimal geometric constraint
random sample consensus algorithm
feature point match
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
