發(fā)布時間：2022-11-11 21:00

　　圖像局部特征匹配是計算機視覺的一個基本問題,在圖像拼接、SLAM（Simultaneous Localizationand Mapping）等領(lǐng)域具有廣泛應用。近年來,RGB-D相機逐漸流行并改良,使同時獲得紋理信息和深度信息變得更為便利。二維特征在缺少紋理信息時無法有效表達,而三維特征在幾何信息不足的場景中表現(xiàn)欠佳,因此,利用更豐富的信息源、將RGB圖像的紋理信息與深度圖像的幾何信息進行融合以提取穩(wěn)健的局部特征成為一種新趨勢。本論文主要針對現(xiàn)有的 RISAS（A Novel Rotation,Illumination,Scale Invariant Appear-ance and Shape Feature）算法進行優(yōu)化,提出一種面向SLAM的RGB-D圖像特征檢測與描述算法TEG（TExture and Geometric feature）,顯著提高了算法的計算效率和對抗場景變化的魯棒性。本論文的主要內(nèi)容和成果如下:·利用簡化的高斯圖像金字塔感知不同近鄰的紋理信息,并計算高斯差分的自響應值作為紋理特征。相比于SIFT（Scale Invariant Feature Transfor... 

【文章頁數(shù)】：86 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 局部特征的研究現(xiàn)狀
        1.2.1 特征檢測算法
        1.2.2 特征描述算法
        1.2.3 深度學習算法
    1.3 研究內(nèi)容
    1.4 結(jié)構(gòu)安排
2 相關(guān)背景知識
    2.1 RGB-D相機
        2.1.1 相機成像模型
        2.1.2 坐標系變換
    2.2 特征匹配
        2.2.1 匹配策略
        2.2.2 匹配評測
        2.2.3 隨機采樣一致
    2.3 本章小結(jié)
3 融合紋理和幾何信息的局部特征TEG
    3.1 特征檢測子
        3.1.1 紋理特征檢測
        3.1.2 幾何特征檢測
        3.1.3 自相關(guān)響應
        3.1.4 關(guān)鍵點提取
    3.2 特征描述子
        3.2.1 離群點篩選
        3.2.2 點云平面擬合
        3.2.3 描述向量建立
    3.3 本章小結(jié)
4 TEG性能評測
    4.1 實驗設(shè)置
    4.2 消融實驗和參數(shù)探究
        4.2.1 檢測子中點云梯度元素的影響
        4.2.2 檢測子中紋理信息與幾何信息的作用
        4.2.3 描述子的分塊數(shù)量[ng,np,nd]
    4.3 檢測子性能評估
        4.3.1 不同光照下的對比實驗
        4.3.2 結(jié)合描述子的對比實驗
    4.4 描述子性能評估
        4.4.1 場景單獨變化對比實驗
        4.4.2 場景混合變化對比實驗
    4.5 SLAM應用對比實驗
    4.6 時間效率分析
    4.7 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
作者簡介
文章目錄


【參考文獻】：
碩士論文
[1]RGB-D特征檢測與描述方法及其應用研究[D]. 黎曉陽.浙江大學 2017
[2]基于灰度值和法向量相對序列的RGB-D描述子[D]. 馮光華.浙江大學 2015



本文編號：3705739