視覺導航的特征匹配算法的論文

1、視覺導航的特征匹配算法的論文導讀：本論文是一篇關于視覺導航的特征匹配算法的的優(yōu)秀論文范文,對正在寫有關于匹配論文的寫作者有一定的參考和指導作用,論文片段：摘要：視覺導航是依據(jù)視覺圖像，利用圖像處理、計算機視覺、模型識別等相關技術獲取運動體的運動信息和空間位置信息，實現(xiàn)導航，在這里著重研究了圖像處理技術。SIFT（Scale Invariant Feature Transform）特征匹配算法是Lowe提出來的用于圖像特征匹配的算法，是目前圖像特征匹配應用領域的熱點。本文首先給出了尺度空間的生成方法，檢測出極值點；接下來給出了SIFT特征點的提取步驟和精確定位極值點的方法；然后基于特征點鄰域像素

2、的梯度和方向生成了關鍵點的描述向量；最后根據(jù)特征向量給出了匹配方法，提取了SIFT的特征點，并將其應用于圖像匹配。實驗證明這種算法具有較強的匹配能力和魯棒性，是一種較好的圖像匹配算法。同時簡述了SIFT提出后SIFT的擴展和應用及它們的比較。關鍵詞：視覺導航 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;二、 所獲信息的分析、處理及綜合;三、 運動路徑規(guī)劃。如果能解決以上這三點問題，那么導航技術的前景廣闊。常見的導航方法有許多種，如:慣性導航，衛(wèi)星導航，視覺導航等等。本文著重研究視覺導航實現(xiàn)方法和視覺導航利用一只或多只攝像機獲得場景的二維圖像信息，然后通過圖像處理、計算機視覺等算法來確定運動信息從而進行導航。視覺導航可以定義為采用攝像頭拍攝地面圖像，運用圖像匹配等相關技

7、術，實現(xiàn)自主導航的一種新興導航方法。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算法來進行圖像的處理是越來越廣泛了，而且近年來這方面的研究也取得了很多成果。SIFT算法作為一個嶄新的特征提取的技術，它具有強大和精確的匹配能力，擁有廣闊的發(fā)展和應用空間。當我們用攝像機拍攝到圖像時，再運用SIFT特征匹配圖像處理雖然可以實現(xiàn)導航，但是也有一定的缺陷。SIFT算法采用了圖像金字塔的方法。兩個金字塔中必然會有包含大小一致的物體的無窮個

8、截面，層數(shù)越多處理時間會相應增加，因此SIFT算法雖然能實現(xiàn)導航，但是缺少實時性。在本文后面會對SIFT算法提出改進。1.2視覺導航國內外研究現(xiàn)狀視覺導航的應用領域十分廣泛，在移動機器人和智能車輛導航取得了很大成果，并將其應用在飛行器導航和月球探測車的導航。視覺導航的應用領域：2.1移動機器人導航移動機器人是一種集人工智能，模式識別，信息和圖像處理，自動控制于一體，可以在較為復雜環(huán)境下工作的具有自規(guī)劃、自組織、自適應能力的機器人。在當下成為智能機器人 導讀：本論文是一篇關于視覺導航的特征匹配算法的的優(yōu)秀論文范文,對正在寫有關于匹配論文的寫作者有一定的參考和指導作用,論文片段：上面進行計算，就可

9、以得到8個不同方向在梯度方向上的直方圖。如圖5.4右部分所示是每個梯度方向的累加值就得到了一個種子點。此圖中關鍵點由22共4個點構成.每個種子點有8個方向向量信息。這種想法增強了算法的抗干擾性，同時也保證了容錯性。當圖像SIFT特征向量生成后，下一步比較特征向量的歐式距離來對兩幅圖像中關研究的熱點之一。2.2智能車輛導航智能車輛同樣是當下車輛工程領域研究的前沿和熱點。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，是多個學科交叉的綜合產(chǎn)物。它代表了未來車輛的發(fā)展方向，具有廣闊的應用前景?；谝曈X導航的智能車輛當今已經(jīng)成為了智能車輛的主流。視覺導航雖然具有精度高、信號探測范

10、圍寬、獲取信息完整等優(yōu)點，但是，視覺導航易受到計算機設備的運算速度和存儲容量的限制。由于計算設備和傳感器大都裝載在運動體上，基本所有的任務都由車載計算機獨立完成，所以車載計算機的工作量較大，實時性不能得到保證。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)芯片實時性、魯棒性、經(jīng)濟性這三個技術特點都得到了解決。視覺導航將會獲得廣泛應用，同時也成為未來導航的一個重要的發(fā)展方向。1.3論文研究的主要內容本文簡單介紹了視覺導航技術的原理。利用圖像處理、計算機視覺、模型識別等相關技術獲取運動體的運動信息和空間位置信息。本篇論文著重研究了圖像處理技術，現(xiàn)代社會已經(jīng)進入信息時代，圖像處理相應地也得到更多關注

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

12、領域中一項非常重要的工作。主要用于將不同條件下獲取的兩幅或多幅圖像運用一定技術進行圖像特征匹配。圖像匹配是圖像處理和應用的基礎，匹配的效果直接影響到后續(xù)的處理和研究工作?？茖W攝影視覺導航的特征匹配算法的的擴展和改進：SIFT 算法的精妙之處在于采用圖像金字塔的方法。但是我們只能構造有限層，因為層數(shù)越多處理時間也會相應增加，層數(shù)太少也不行，因為、可能找不到尺寸大小一致的兩個物體的圖像。SIFT 在不改變圖像的特點并實現(xiàn)圖像的完美提取上具有無與倫比的優(yōu)勢，但其實它并不是完美的，仍然存在著很多的不足，比如實時傳遞的效果不好，有時會出現(xiàn)特征點的選取不足、對于一些不是非常明確的邊緣目標只能比較模糊的提取

13、它們的特征點。自SIFT算法在1999 年被提出之后，人們一直在對這種算法進行研究和改進，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。由 Y.ke 2004 年提出。通過降維技術，可有效化簡 SIFT 算子的 128 維描述子。2. CSIFT所謂CSIFT，其實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)常用于對彩色圖像進行處理。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算法其功能更加強大，該算法的計算量大大減少，運輸速度有較大提升，但是提取出的特征點和用SIFT方法提取的基本沒有差別，由 Bay 2006年提出。4.ASIFTASIFT又稱為抗仿射SIFT變換。這種變換多是兩個不同的向量空間進行的一個仿射變換，有些情況下還可能在這種仿射映射的基礎上再添加一個平移。 ASIFT一個非常明顯的特點就是能夠有效對抗強仿射的情形，利用這種方法提取出來的特征點的數(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提出來的。5.GLOHGLOH( Gradient Location 導讀：本論文是一篇關于視覺導航的特征匹配算法的的優(yōu)秀論文范文,對正在寫有關于匹配論文的寫作者有一定的參考和指導作用,論文片段：梯度值，而GLOH算法則計算每個區(qū)域中16個方向的梯度直方圖，這樣就生成了維特征向量。最后再用PCA技術將272維向量降成128維。以上幾種