基于特征点和方向向量的快速目标匹配算法研究

摘要

随着视觉传感器的快速发展和各类计算机视觉算法的成熟，越来越多的机器视觉检测方法运用到了工业生产检测领域。视觉检测方法具有非接触性、高速度、高精度和高度自动化等特点，能够使人们远离危险的工作场合，并且极大地提高生产效率，适合于流水线上大批量目标物的定位与检测。传统的目标匹配算法通常只兼顾匹配精度、速度中的某一方面。
　　本文提出一种分层匹配的方法，首先基于ORB特征点，选取Hamming距离作为相似性度量标准，进行模板和搜索图之间的特征点匹配，并采用随机抽样一致算法去除大部分误匹配点，推算出最终的仿射变换参数。然后，利用匹配对中特征点的旋转角和模板相对位置，计算出待匹配图像中特征点对应的标记中心点，采用 K-means聚类算法将这些标记中心点进行聚类，将分属于不同目标物副本的特征点分类。最后，采用改进的方向向量提取算法，比较模板和搜索图像的边缘信息，对目标位置进行精定位。为了进一步加速计算，采用了图像金字塔算法，从粗到精逐步确定模板在图像上的位置和旋转角度；为了使匹配精度达到亚像素等级，采用了多项式拟合的算法，通过对拟合出的三阶曲面求局部极大值，求得模板在图像中的亚像素位置和旋转角度。实验表明，本文提出的方法能够分离出图像中多个目标物副本，具有匹配速度快、准确性高、旋转不变性和光照不变性等特点。

目录

封面

中文摘要

英文摘要

目录

第一章 绪论

1.1 引言

1.2目标匹配算法概述

1.3研究内容与章节安排

第二章 基于特征点的目标匹配

2.1 ORB介绍

2.2 描述子相似性度量

2.3 特征点匹配

2.4 稳健的特征点提取算法

2.5 仿射变换参数的确定

2.6 本章小结

第三章 多目标的分离与匹配

3.1背景介绍

3.2特征点分离匹配关键算法

3.3 本章小结

第四章 基于方向向量的目标细定位

4.1 算法背景

4.2 算法原理

4.3 边缘检测算子的选取

4.4 图像金字塔加速

4.5 改进的方向向量提取算法

4.6 亚像素精度的获取

4.7 本章小结

第五章 系统架构

5.1 开发环境介绍

5.2 匹配系统介绍

5.3 本章小结

第六章 实验与分析

6.1 不变性检验

6.2 速度检验

6.3 匹配精度检验

6.4 多目标匹配检测

6.5 可靠性检验

6.6 本章小结

第七章 总结与展望

7.1 全文总结

7.2 展望

参考文献

攻读硕士学位期间已发表或录用的论文

致谢

声明