【摘要】：運(yùn)動恢復(fù)結(jié)構(gòu)(SFM)是指通過分析二維圖像序列恢復(fù)三維結(jié)構(gòu)信息的過程,在計(jì)算機(jī)視覺的多種應(yīng)用中起著重要的作用。特征跟蹤是大規(guī)模SFM的核心組成部分,但現(xiàn)有的多視圖特征跟蹤算法在魯棒性和效率上還存在不足,為解決這一問題,提出了一種快速和魯棒的特征跟蹤(FRFT)算法。首先,采用AGAST進(jìn)行特征點(diǎn)檢測,并使用圖像矩為AGAST特征定義主方向,為構(gòu)造旋轉(zhuǎn)不變的描述子奠定基礎(chǔ);其次,在差分高斯金字塔空間內(nèi),根據(jù)中心點(diǎn)與鄰域像素之間的差值構(gòu)造特征描述子,避免光照和尺度變化對特征匹配的影響;再次,為了提高特征匹配效率,對特征集合進(jìn)行聚類,采用KD-Tree加速特征匹配,提高算法的時間效率;最后,采用4種方式對FRFT算法進(jìn)行驗(yàn)證,并與現(xiàn)有經(jīng)典算法進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明,FRFT算法在魯棒性和時間效率方面均優(yōu)于現(xiàn)有經(jīng)典算法。
[Abstract]:Motion recovery structure (SFM), which plays an important role in many applications of computer vision, refers to the process of restoring 3D structure information by analyzing 2D image sequences. Feature tracking is the core part of large scale SFM, but the existing multi-view feature tracking algorithms are still insufficient in robustness and efficiency. In order to solve this problem, a fast and robust feature tracking (FRFT) algorithm is proposed. Firstly, AGAST is used to detect the feature points, and the image moment is used to define the main direction for the AGAST feature, which lays the foundation for constructing the rotation-invariant descriptor. Secondly, in the differential Gao Si pyramid space, the feature descriptor is constructed according to the difference between the center point and the neighboring pixel to avoid the influence of the illumination and the scale change on the feature matching. Thirdly, in order to improve the efficiency of feature matching, the feature set is clustered, and KD-Tree is used to accelerate the feature matching to improve the time efficiency of the algorithm. Finally, four methods are used to verify the FRFT algorithm, and compared with the existing classical algorithms. Experimental results show that the FRFT algorithm is superior to the classical algorithms in robustness and time efficiency.
【作者單位】： 合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院;
【基金】：國家自然科學(xué)基金(61370167) 安徽省自然科學(xué)基金(JZ2015AKZR0664)項(xiàng)目資助
【分類號】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 蘭太壽;李煒榮;劉向軍;;基于虛擬雙目視覺的電器電磁機(jī)構(gòu)三維動態(tài)測試研究[J];電子測量與儀器學(xué)報(bào);2014年01期

【共引文獻(xiàn)】

相關(guān)期刊論文 前6條

1 徐昌源;全燕鳴;郭清達(dá);;改進(jìn)最小二乘法雙目視覺位姿測量技術(shù)研究與測試[J];中國測試;2016年09期

2 邱才元;許雄;劉向軍;;中壓斷路器觸頭系統(tǒng)的三維動態(tài)測試[J];中國測試;2016年08期

3 陳輝;馬世偉;Andreas Nuechter;;基于激光掃描和SFM的非同步點(diǎn)云三維重構(gòu)方法[J];儀器儀表學(xué)報(bào);2016年05期

4 郝雪麗;孫朝云;沙愛民;李偉;呼延菊;;水泥混凝土路面刻槽磨損程度三維檢測方法[J];儀器儀表學(xué)報(bào);2015年08期

5 孫鵬飛;張求知;李文強(qiáng);王鵬;孫長庫;;單目多角度空間點(diǎn)坐標(biāo)測量方法[J];儀器儀表學(xué)報(bào);2014年12期

6 劉向軍;許雄;蘭太壽;;電磁機(jī)構(gòu)三維動態(tài)特性測試及數(shù)據(jù)處理與分析[J];儀器儀表學(xué)報(bào);2014年10期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 尹英杰;徐德;張正濤;王欣剛;屈穩(wěn)太;;基于單目視覺的平面測量[J];電子測量與儀器學(xué)報(bào);2013年04期

2 張瑞峰;張巍;;改進(jìn)雙目視覺在柴油機(jī)缸蓋毛坯檢測中的應(yīng)用[J];電子測量技術(shù);2011年08期

3 鮑光海;張培銘;;電器動態(tài)特性測試系統(tǒng)圖像處理技術(shù)研究[J];鄭州大學(xué)學(xué)報(bào)(工學(xué)版);2011年04期

4 張恒康;何玉明;張耿耿;朱杰兵;楊文俊;;一種單相機(jī)測量三維運(yùn)動軌跡的方法[J];固體力學(xué)學(xué)報(bào);2010年S1期

5 張?jiān)?張麗艷;楊博文;;基于雙目立體視覺的無線柔性坐標(biāo)測量系統(tǒng)[J];儀器儀表學(xué)報(bào);2010年07期

6 湯一平;王慶;陳敏智;楊冠寶;朱藝華;;立體全方位視覺傳感器的設(shè)計(jì)[J];儀器儀表學(xué)報(bào);2010年07期

7 張愛華;姚孝國;;基于雙目視覺脈搏圖像SIFT特征匹配[J];電子測量技術(shù);2009年05期

8 史瑞根;;視差法射線圖像檢測系統(tǒng)的模型及誤差分析[J];國外電子測量技術(shù);2008年12期

9 常丹華;陳超;程德芳;賀樹猛;郭峰;;基于嵌入式的簡化雙目立體視覺測距系統(tǒng)[J];電子測量技術(shù);2008年08期

10 解則曉;金明;辛悅向;;基于雙目立體視覺的光筆式三坐標(biāo)測量系統(tǒng)[J];中國機(jī)械工程;2008年08期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 聶瑞華,鄔家煒;手寫速記符的識別與特征匹配研究[J];計(jì)算機(jī)工程;1999年08期

2 王涌天;林精敦;陳靖;郭俊偉;劉偉;薛康;;隨機(jī)樹特征匹配算子性能研究[J];北京理工大學(xué)學(xué)報(bào);2009年11期

3 肖秦琨;劉向軍;;基于局部特征匹配的目標(biāo)跟蹤研究[J];電子設(shè)計(jì)工程;2011年22期

4 王平,普杰信;基于特征匹配的芯片管腳視覺檢測系統(tǒng)設(shè)計(jì)[J];電腦開發(fā)與應(yīng)用;2004年07期

5 安如,金夏玲,王慧麟,馮學(xué)智,徐大新;基于特征匹配的影像可匹配性研究[J];紅外與激光工程;2005年04期

6 呂金建;文貢堅(jiān);李德仁;王繼陽;;一種新的基于空間關(guān)系的特征匹配方法[J];測繪學(xué)報(bào);2008年03期

7 張欣;陳康宏;萬嘉若;;景物目標(biāo)的啟發(fā)式特征匹配識別法[J];自動化學(xué)報(bào);1987年01期

8 李泓;;基于投影特征匹配的便攜式美元面值識別儀[J];單片機(jī)與嵌入式系統(tǒng)應(yīng)用;2007年11期

9 周天陽;朱俊虎;王清賢;;基于多特征匹配的隱藏進(jìn)程檢測方法[J];計(jì)算機(jī)應(yīng)用;2011年09期

10 于志鵬;李曉明;;基于譜圖理論的特征匹配原理研究[J];太原師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2012年02期

相關(guān)會議論文 前8條

1 蘇劍波;;弱標(biāo)定復(fù)雜場景特征匹配中同形映射誤差分析[A];2007年中國智能自動化會議論文集[C];2007年

2 楊平;厲小潤;;基于二級特征匹配的卡爾曼濾波跟蹤算法[A];2011第十六屆全國自動化技術(shù)與應(yīng)用學(xué)術(shù)年會專輯[C];2011年

3 王蕾;宋文忠;吳劍鋒;;一種灰度與特征匹配相結(jié)合的混合算法[A];全國自動化新技術(shù)學(xué)術(shù)交流會會議論文集（一）[C];2005年

4 季方;鮑遠(yuǎn)律;海濤;屈靜;;特征匹配法實(shí)現(xiàn)地圖中特殊符號的快速識別[A];第三屆全國數(shù)字成像技術(shù)及相關(guān)材料發(fā)展與應(yīng)用學(xué)術(shù)研討會論文摘要集[C];2004年

5 藺，

本文編號：2345471