視覺導(dǎo)航的特征匹配算法的論文

1、視覺導(dǎo)航的特征匹配算法的論文導(dǎo)讀：本論文是一篇關(guān)于視覺導(dǎo)航的特征匹配算法的的優(yōu)秀論文范文,對(duì)正在寫有關(guān)于匹配論文的寫作者有一定的參考和指導(dǎo)作用,論文片段：摘要：視覺導(dǎo)航是依據(jù)視覺圖像，利用圖像處理、計(jì)算機(jī)視覺、模型識(shí)別等相關(guān)技術(shù)獲取運(yùn)動(dòng)體的運(yùn)動(dòng)信息和空間位置信息，實(shí)現(xiàn)導(dǎo)航，在這里著重研究了圖像處理技術(shù)。SIFT（Scale Invariant Feature Transform）特征匹配算法是Lowe提出來(lái)的用于圖像特征匹配的算法，是目前圖像特征匹配應(yīng)用領(lǐng)域的熱點(diǎn)。本文首先給出了尺度空間的生成方法，檢測(cè)出極值點(diǎn)；接下來(lái)給出了SIFT特征點(diǎn)的提取步驟和精確定位極值點(diǎn)的方法；然后基于特征點(diǎn)鄰域像素

2、的梯度和方向生成了關(guān)鍵點(diǎn)的描述向量；最后根據(jù)特征向量給出了匹配方法，提取了SIFT的特征點(diǎn)，并將其應(yīng)用于圖像匹配。實(shí)驗(yàn)證明這種算法具有較強(qiáng)的匹配能力和魯棒性，是一種較好的圖像匹配算法。同時(shí)簡(jiǎn)述了SIFT提出后SIFT的擴(kuò)展和應(yīng)用及它們的比較。關(guān)鍵詞：視覺導(dǎo)航 SIFT算法 圖像匹配 SIFT描述子。Abstract: Visual navigation is based on the visual image, using image processing, computer vision, pattern recognition and other related technologies

3、for moving body motion information and spatial location information to achieve navigation. Here focuses on the image processing technology. Modern society has entered the information age, peoples living standards are rising, the image information processing capacity and level is also rising, more at

4、tention has also been correspondingly, research and more widely used. SIFT (Scale Invariant Feature Transform) feature matching algorithm is proposed by Lowe for image feature matching algorithm, is the image feature matching applications hotspot. This gives the scale space first method of generatin

5、g extreme point is detected; then gives SIFT feature point extraction step and the precise method of positioning extreme points; then neighboring pixels based on feature points of the gradient and become Fang Xiangsheng Description of key vectors; final feature vector based matching method is given,

6、 the SIFT feature points extracted and applied to the image matching. Experimental results show that the a環(huán)境信息的檢測(cè);二、 所獲信息的分析、處理及綜合;三、 運(yùn)動(dòng)路徑規(guī)劃。如果能解決以上這三點(diǎn)問(wèn)題，那么導(dǎo)航技術(shù)的前景廣闊。常見的導(dǎo)航方法有許多種，如:慣性導(dǎo)航，衛(wèi)星導(dǎo)航，視覺導(dǎo)航等等。本文著重研究視覺導(dǎo)航實(shí)現(xiàn)方法和視覺導(dǎo)航利用一只或多只攝像機(jī)獲得場(chǎng)景的二維圖像信息，然后通過(guò)圖像處理、計(jì)算機(jī)視覺等算法來(lái)確定運(yùn)動(dòng)信息從而進(jìn)行導(dǎo)航。視覺導(dǎo)航可以定義為采用攝像頭拍攝地面圖像，運(yùn)用圖像匹配等相關(guān)技

7、術(shù)，實(shí)現(xiàn)自主導(dǎo)航的一種新興導(dǎo)航方法。SIFT算法由D.Glowe在1999年提出，在2004年加以完善的一種新的提取特征點(diǎn)的算法-SIFT算法（Scale Invariant Feature Transform，即尺度不變特征變換）。目前使用SIFT算法來(lái)進(jìn)行圖像的處理是越來(lái)越廣泛了，而且近年來(lái)這方面的研究也取得了很多成果。SIFT算法作為一個(gè)嶄新的特征提取的技術(shù)，它具有強(qiáng)大和精確的匹配能力，擁有廣闊的發(fā)展和應(yīng)用空間。當(dāng)我們用攝像機(jī)拍攝到圖像時(shí)，再運(yùn)用SIFT特征匹配圖像處理雖然可以實(shí)現(xiàn)導(dǎo)航，但是也有一定的缺陷。SIFT算法采用了圖像金字塔的方法。兩個(gè)金字塔中必然會(huì)有包含大小一致的物體的無(wú)窮個(gè)

8、截面，層數(shù)越多處理時(shí)間會(huì)相應(yīng)增加，因此SIFT算法雖然能實(shí)現(xiàn)導(dǎo)航，但是缺少實(shí)時(shí)性。在本文后面會(huì)對(duì)SIFT算法提出改進(jìn)。1.2視覺導(dǎo)航國(guó)內(nèi)外研究現(xiàn)狀視覺導(dǎo)航的應(yīng)用領(lǐng)域十分廣泛，在移動(dòng)機(jī)器人和智能車輛導(dǎo)航取得了很大成果，并將其應(yīng)用在飛行器導(dǎo)航和月球探測(cè)車的導(dǎo)航。視覺導(dǎo)航的應(yīng)用領(lǐng)域：2.1移動(dòng)機(jī)器人導(dǎo)航移動(dòng)機(jī)器人是一種集人工智能，模式識(shí)別，信息和圖像處理，自動(dòng)控制于一體，可以在較為復(fù)雜環(huán)境下工作的具有自規(guī)劃、自組織、自適應(yīng)能力的機(jī)器人。在當(dāng)下成為智能機(jī)器人 導(dǎo)讀：本論文是一篇關(guān)于視覺導(dǎo)航的特征匹配算法的的優(yōu)秀論文范文,對(duì)正在寫有關(guān)于匹配論文的寫作者有一定的參考和指導(dǎo)作用,論文片段：上面進(jìn)行計(jì)算，就可

9、以得到8個(gè)不同方向在梯度方向上的直方圖。如圖5.4右部分所示是每個(gè)梯度方向的累加值就得到了一個(gè)種子點(diǎn)。此圖中關(guān)鍵點(diǎn)由22共4個(gè)點(diǎn)構(gòu)成.每個(gè)種子點(diǎn)有8個(gè)方向向量信息。這種想法增強(qiáng)了算法的抗干擾性，同時(shí)也保證了容錯(cuò)性。當(dāng)圖像SIFT特征向量生成后，下一步比較特征向量的歐式距離來(lái)對(duì)兩幅圖像中關(guān)研究的熱點(diǎn)之一。2.2智能車輛導(dǎo)航智能車輛同樣是當(dāng)下車輛工程領(lǐng)域研究的前沿和熱點(diǎn)。智能車輛是一種綜合系統(tǒng)，它集規(guī)劃決策、環(huán)境感知、輔助駕駛等功能于一體，是多個(gè)學(xué)科交叉的綜合產(chǎn)物。它代表了未來(lái)車輛的發(fā)展方向，具有廣闊的應(yīng)用前景。基于視覺導(dǎo)航的智能車輛當(dāng)今已經(jīng)成為了智能車輛的主流。視覺導(dǎo)航雖然具有精度高、信號(hào)探測(cè)范

10、圍寬、獲取信息完整等優(yōu)點(diǎn)，但是，視覺導(dǎo)航易受到計(jì)算機(jī)設(shè)備的運(yùn)算速度和存儲(chǔ)容量的限制。由于計(jì)算設(shè)備和傳感器大都裝載在運(yùn)動(dòng)體上，基本所有的任務(wù)都由車載計(jì)算機(jī)獨(dú)立完成，所以車載計(jì)算機(jī)的工作量較大，實(shí)時(shí)性不能得到保證。我覺得以后可以直接在人眼的視網(wǎng)膜上安裝視覺系統(tǒng)芯片實(shí)時(shí)性、魯棒性、經(jīng)濟(jì)性這三個(gè)技術(shù)特點(diǎn)都得到了解決。視覺導(dǎo)航將會(huì)獲得廣泛應(yīng)用，同時(shí)也成為未來(lái)導(dǎo)航的一個(gè)重要的發(fā)展方向。1.3論文研究的主要內(nèi)容本文簡(jiǎn)單介紹了視覺導(dǎo)航技術(shù)的原理。利用圖像處理、計(jì)算機(jī)視覺、模型識(shí)別等相關(guān)技術(shù)獲取運(yùn)動(dòng)體的運(yùn)動(dòng)信息和空間位置信息。本篇論文著重研究了圖像處理技術(shù)，現(xiàn)代社會(huì)已經(jīng)進(jìn)入信息時(shí)代，圖像處理相應(yīng)地也得到更多關(guān)注

11、、研究和更加廣泛的應(yīng)用。SIFT（Scale Invariant Feature Transform）特征匹配算法是Lowe提出來(lái)的用于圖像特征匹配的算法，是目前圖像特征匹配應(yīng)用領(lǐng)域的熱點(diǎn)。本文給出了尺度空間的生成方法，檢測(cè)出極值點(diǎn)；接下來(lái)給出了SIFT特征點(diǎn)的提取步驟和精確定位極值點(diǎn)的方法；然后基于特征點(diǎn)鄰域像素的梯度和方向生成了關(guān)鍵點(diǎn)的描述向量；最后根據(jù)特征向量給出了匹配方法，提取了SIFT的特征點(diǎn)，并將其應(yīng)用于圖像匹配。實(shí)驗(yàn)證明該算法具有較好的匹配能力和魯棒性，是一種實(shí)際應(yīng)用效果較好圖像匹配算法。同時(shí)簡(jiǎn)述了SIFT的擴(kuò)展和應(yīng)用及它們的比較。第二章 ：圖像匹配圖像匹配是計(jì)算機(jī)視覺和圖像處理

12、領(lǐng)域中一項(xiàng)非常重要的工作。主要用于將不同條件下獲取的兩幅或多幅圖像運(yùn)用一定技術(shù)進(jìn)行圖像特征匹配。圖像匹配是圖像處理和應(yīng)用的基礎(chǔ)，匹配的效果直接影響到后續(xù)的處理和研究工作。科學(xué)攝影視覺導(dǎo)航的特征匹配算法的的擴(kuò)展和改進(jìn)：SIFT 算法的精妙之處在于采用圖像金字塔的方法。但是我們只能構(gòu)造有限層，因?yàn)閷訑?shù)越多處理時(shí)間也會(huì)相應(yīng)增加，層數(shù)太少也不行，因?yàn)?、可能找不到尺寸大小一致的兩個(gè)物體的圖像。SIFT 在不改變圖像的特點(diǎn)并實(shí)現(xiàn)圖像的完美提取上具有無(wú)與倫比的優(yōu)勢(shì)，但其實(shí)它并不是完美的，仍然存在著很多的不足，比如實(shí)時(shí)傳遞的效果不好，有時(shí)會(huì)出現(xiàn)特征點(diǎn)的選取不足、對(duì)于一些不是非常明確的邊緣目標(biāo)只能比較模糊的提取

13、它們的特征點(diǎn)。自SIFT算法在1999 年被提出之后，人們一直在對(duì)這種算法進(jìn)行研究和改進(jìn)，試圖找出更加有效的圖像處理方法。圖7.11. PCA-SIFTPCA（Principal Component Analysis），即主成分分析，是一種數(shù)據(jù)降維技術(shù)。由 Y.ke 2004 年提出。通過(guò)降維技術(shù)，可有效化簡(jiǎn) SIFT 算子的 128 維描述子。2. CSIFT所謂CSIFT，其實(shí)就是指彩色尺度特征的不變變換，英文全拼是Colored scale invariant feature transform ，利用這種方法能夠很好地提取圖像的不變特征，經(jīng)常用于對(duì)彩色圖像進(jìn)行處理。由Farag 在20

14、06 年提出。3.SURFSURF（ SURF Speeded Up Robust Features ），這種算法和SIFT算法類似，但是相比SIFT算法其功能更加強(qiáng)大，該算法的計(jì)算量大大減少，運(yùn)輸速度有較大提升，但是提取出的特征點(diǎn)和用SIFT方法提取的基本沒(méi)有差別，由 Bay 2006年提出。4.ASIFTASIFT又稱為抗仿射SIFT變換。這種變換多是兩個(gè)不同的向量空間進(jìn)行的一個(gè)仿射變換，有些情況下還可能在這種仿射映射的基礎(chǔ)上再添加一個(gè)平移。 ASIFT一個(gè)非常明顯的特點(diǎn)就是能夠有效對(duì)抗強(qiáng)仿射的情形，利用這種方法提取出來(lái)的特征點(diǎn)的數(shù)量巨大，相比于 SIFT算法要多很多，該算法是在2009年由 J.M. Morel提出來(lái)的。5.GLOHGLOH( Gradient Location 導(dǎo)讀：本論文是一篇關(guān)于視覺導(dǎo)航的特征匹配算法的的優(yōu)秀論文范文,對(duì)正在寫有關(guān)于匹配論文的寫作者有一定的參考和指導(dǎo)作用,論文片段：梯度值，而GLOH算法則計(jì)算每個(gè)區(qū)域中16個(gè)方向的梯度直方圖，這樣就生成了維特征向量。最后再用PCA技術(shù)將272維向量降成128維。以上幾種