ORB(oriented FAST and rotated BRIEF)特征检测算法,在模糊场景和光照变化剧烈的环境中,容易使提取的特征点的数量和匹配的正确率出现巨大的差异,同时,在图像物体的拐角处也容易出现特征点的堆叠。针对这一情况,提出了一种改进的ORB特...ORB(oriented FAST and rotated BRIEF)特征检测算法,在模糊场景和光照变化剧烈的环境中,容易使提取的特征点的数量和匹配的正确率出现巨大的差异,同时,在图像物体的拐角处也容易出现特征点的堆叠。针对这一情况,提出了一种改进的ORB特征检测算法。首先使用多尺度视网膜增强(multi-scale retinex,MSR)算法对图像进行特征增强,然后对图像进行网格划分,针对每个网格的灰度分布情况调整特征点检测时的阈值,之后采取动态区域非极大值抑制方法筛选最佳特征点。实验结果表明,相较于原ORB算法,改进后的算法提取的特征点在图像上的分布更加均匀,当亮度在80%的范围内变化时,特征点的重复率稳定在75%以上,匹配正确率平均提高了22%。展开更多
文摘ORB(oriented FAST and rotated BRIEF)特征检测算法,在模糊场景和光照变化剧烈的环境中,容易使提取的特征点的数量和匹配的正确率出现巨大的差异,同时,在图像物体的拐角处也容易出现特征点的堆叠。针对这一情况,提出了一种改进的ORB特征检测算法。首先使用多尺度视网膜增强(multi-scale retinex,MSR)算法对图像进行特征增强,然后对图像进行网格划分,针对每个网格的灰度分布情况调整特征点检测时的阈值,之后采取动态区域非极大值抑制方法筛选最佳特征点。实验结果表明,相较于原ORB算法,改进后的算法提取的特征点在图像上的分布更加均匀,当亮度在80%的范围内变化时,特征点的重复率稳定在75%以上,匹配正确率平均提高了22%。
