圖像局部特征匹配是計(jì)算機(jī)視覺的一個(gè)基本問題,在圖像拼接、SLAM（Simultaneous Localizationand Mapping）等領(lǐng)域具有廣泛應(yīng)用。近年來,RGB-D相機(jī)逐漸流行并改良,使同時(shí)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(shí)無法有效表達(dá),而三維特征在幾何信息不足的場(chǎng)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(jìn)行融合以提取穩(wěn)健的局部特征成為一種新趨勢(shì)。本論文主要針對(duì)現(xiàn)有的 RISAS（A Novel Rotation,Illumination,Scale Invariant Appear-ance and Shape Feature）算法進(jìn)行優(yōu)化,提出一種面向SLAM的RGB-D圖像特征檢測(cè)與描述算法TEG（TExture and Geometric feature）,顯著提高了算法的計(jì)算效率和對(duì)抗場(chǎng)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(jì)算高斯差分的自響應(yīng)值作為紋理特征。相比于SIFT（Scale Invariant Feature Transfor... 

【文章頁數(shù)】：86 頁

【學(xué)位級(jí)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(cè)算法
        1.2.2 特征描述算法
        1.2.3 深度學(xué)習(xí)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(shí)
    2.1 RGB-D相機(jī)
        2.1.1 相機(jī)成像模型
        2.1.2 坐標(biāo)系變換
    2.2 特征匹配
        2.2.1 匹配策略
        2.2.2 匹配評(píng)測(cè)
        2.2.3 隨機(jī)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(cè)子
        3.1.1 紋理特征檢測(cè)
        3.1.2 幾何特征檢測(cè)
        3.1.3 自相關(guān)響應(yīng)
        3.1.4 關(guān)鍵點(diǎn)提取
    3.2 特征描述子
        3.2.1 離群點(diǎn)篩選
        3.2.2 點(diǎn)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(píng)測(cè)
    4.1 實(shí)驗(yàn)設(shè)置
    4.2 消融實(shí)驗(yàn)和參數(shù)探究
        4.2.1 檢測(cè)子中點(diǎn)云梯度元素的影響
        4.2.2 檢測(cè)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(cè)子性能評(píng)估
        4.3.1 不同光照下的對(duì)比實(shí)驗(yàn)
        4.3.2 結(jié)合描述子的對(duì)比實(shí)驗(yàn)
    4.4 描述子性能評(píng)估
        4.4.1 場(chǎng)景單獨(dú)變化對(duì)比實(shí)驗(yàn)
        4.4.2 場(chǎng)景混合變化對(duì)比實(shí)驗(yàn)
    4.5 SLAM應(yīng)用對(duì)比實(shí)驗(yàn)
    4.6 時(shí)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(xiàn)
作者簡介
文章目錄


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



本文編號(hào)：3705739