基于OpenCV的GPU并行加速图像匹配算法研究

摘要

因为自身特有的高精度、抗干扰和自主导航等强大特性，惯性/图像匹配辅助导航系统成为了目前研究的一大热门方向。图像匹配辅助导航技术能够为惯性导航系统提供位置修正数据信息，其精确性和实时性是图像匹配算法非常关键的因素。本文就图像匹配辅助导航系统里的核心所在——图像匹配算法进行了较为深入的攻关与研究。
　　鉴于ORB算法缺少对尺度不变性的良好支持，本文借鉴了尺度空间和高斯图像金字塔的概念，将多尺度空间引入到ORB算法中，提出并实现了改进的ORB算法。实验表明，本文提出的算法除了继承了ORB算法速度极快的优点以外，也能在平移不变性、旋转不变性、尺度不变性、仿射变换不变性等各方面上有能和SIFT媲美的性能。
　　为了进一步提高ORB特征点的匹配精度，本文提出了基于哈希表的双向预筛选策略，在使用RANSAC算法提纯之前，先进行一个初步的筛选，筛选出一个高质量的样本集合，再利用RANSAC算法对此高质量的样本进行优化提纯，以达到非常高的匹配精准度和运算效率。
　　本文将GPU与CUDA并行运算引入到图像匹配辅助导航系统中，让常用的图像匹配算法运行速度有了超过20倍运算速度的提高，满足了图像匹配导航系统实时性的需求。
　　最终，本文总结并实现了一套基于OpenCV、CUDA并行运算与改进ORB算法的图像匹配算法。并进行了综合性地计算仿真实验论证。实验结论表明，这套算法拥有极高的效率，可以将图像匹配时间控制在毫秒级，可以满足图像匹配导航系统中精确性、实时性和鲁棒性的要求。

目录

封面

声明

中文摘要

英文摘要

目录

注释表

缩略词

第一章 绪论

1.1 本文的研究背景与意义

1.2 图像匹配辅助导航系统的使用与研究现状

1.3 OpenCV国内外使用和研究现状

1.4 GPU并行运算技术的国内外研究现状

1.5 本文的研究内容

第二章 ORB图像特征提取与匹配算法研究

2.1 引言

2.2 ORB算法的原理简述

2.3 改进ORB算法的实现描述

2.4 基于Hamming距离的ORB特征点匹配

2.5 实验与分析

2.6 本章小结

第三章 使用改进的RANSAC算法优化图像匹配结果

3.1 引言

3.2 对极几何与基础矩阵

3.3 RANSAC算法的研究现状

3.4 用改进的RANSAC 算法拟合基础矩阵

3.5 实验结果与分析

3.6 本章小结

第四章 基于仿射变换的导航参数求解

4.1 引言

4.2 图像的二维变换分析

4.3 仿射变换的概述与分类

4.4 仿射变换的导航参数推导

4.5 基于图像匹配结果解算出仿射变换矩阵

4.6 算法的仿真实现

4.7 实验结果与分析

4.8 本章小结

第五章 基于CUDA的图像匹配导航技术的研究

5.1 引言

5.2 基于GPU高性能运算技术概述

5.3 CUDA的体系架构

5.4 OpenCV与CUDA混合编程开发平台搭建

5.5 基于CUDA并行运算的改进ORB算法实现架构概述

5.6 基于CUDA并行运算的改进ORB算法实现描述

5.7 实验过程与分析

5.8 本章小结

第六章 总结与展望

参考文献

致谢

在学期间的研究成果及发表的学术论文