结合尺度不变特征的ORB算法改进

摘要

针对ORB(ORiented Brief,方向描述符)算法不具备尺度不变性,且匹配点对错误较多等缺点,结合SURF(Speed-up Robust Features,加速稳健特征)与ORB提出一种新的算法.通过计算积分图像,使用盒子滤波器近似高斯滤波,构建尺度空间,通过Hessian矩阵检测出具备尺度不变的特征点;用ORB对特征点进行描述,采用Hamming距离完成粗匹配;使用改进的RANSAC (RANdom SAmple Consensus,随机抽样一致)减少其迭代次数,同时,去除错误的匹配点对.实验结果表明,在尺度变化时,改进算法的平均准确度为86.3％,约为ORB的3.1倍;综合对比时,改进算法的平均精度可达85.1％,是ORB的2.4倍,平均耗时高于ORB,但远低于SIFT,在不失精度的前提下有效地保证了鲁棒性和实时性.