针对ORB(oriented FAST and rotated BRIEF)算法中存在匹配精确率低的问题,提出了一种基于LK(Lucas-Kanade)光流改进的ORB图像匹配方法。首先对待处理的图像进行直方图均衡化,然后在Oriented FAST特征点检测的同时用LK光流对其进行跟踪...针对ORB(oriented FAST and rotated BRIEF)算法中存在匹配精确率低的问题,提出了一种基于LK(Lucas-Kanade)光流改进的ORB图像匹配方法。首先对待处理的图像进行直方图均衡化,然后在Oriented FAST特征点检测的同时用LK光流对其进行跟踪,并将跟踪的特征点进行Rotated BRIEF描述,最后在特征匹配筛选环节利用RANSAC(Random Sampling Consistency)算法进行误匹配的剔除。实验结果表明,改进算法在公开数据集中的平均匹配精度为90.9%,平均特征匹配及误匹配的剔除共耗时为18ms,与原始ORB算法相比,在时间基本一致的前提下,有效的提高了匹配的精度。展开更多
文摘针对ORB(oriented FAST and rotated BRIEF)算法中存在匹配精确率低的问题,提出了一种基于LK(Lucas-Kanade)光流改进的ORB图像匹配方法。首先对待处理的图像进行直方图均衡化,然后在Oriented FAST特征点检测的同时用LK光流对其进行跟踪,并将跟踪的特征点进行Rotated BRIEF描述,最后在特征匹配筛选环节利用RANSAC(Random Sampling Consistency)算法进行误匹配的剔除。实验结果表明,改进算法在公开数据集中的平均匹配精度为90.9%,平均特征匹配及误匹配的剔除共耗时为18ms,与原始ORB算法相比,在时间基本一致的前提下,有效的提高了匹配的精度。
