ORB算法

摘要： 针对传统ORB算法不具有尺度不变性的问题及匹配速率的问题,提出改进ORB算法的特征匹配.将SURF算法与传统ORB算法结合,先利用SURF算法的尺度金字塔得到具有尺度不变性的特征点,解决特征点匹配的尺度性问题,再对用ORB算法生成的高维描述符进行降维处理,提高算法的匹配速率,最后用暴力匹配方式完成图像匹配.实验结果解决了传统ORB算法在特征匹配时的尺度不变性问题,同时降维处理提高了算法匹配速率.

摘要： 为了提高视觉系统中齿轮图像匹配的准确率,提出了一种金字塔光流法与ORB(oriented fast and rotated brief)算法结合的齿轮图像匹配优化方法。该方法在图片进行灰度化和高斯模糊等预处理操作后,用ORB算法得到图像的特征点,用金字塔光流法跟踪图片间的特征点,暴力匹配之后通过汉明距离和哈曼顿距离进行筛选,最后以改进的RANSAC(random sample consensus)算法优化匹配结果。实验结果表明,该算法在齿轮图像匹配过程中能够减少错误的匹配点,筛选出具有代表性的匹配点,减少误匹配率。

摘要： 针对快速定向和描述符构建(oriented fast and rotated brief,ORB)算法对航拍图像匹配稳定较差、保留内点较少等问题,提出一种基于非线性尺度空间的改进ORB算法。首先借助非线性扩散滤波算法构建非线性尺度空间,相较高斯尺度空间可更好的保护图像细节信息,增强匹配算法的鲁棒性;然后借助Fast算法提取特征点,再以特征点为中心选择合适的窗口提取描述符;最后通过网格运动统计算法筛选内点。实验得出:所提算法匹配准确率相较ORB算法提高5%左右,相较加速“风”算法匹配效率提高65%左右,表明所提算法具有更高匹配正确率和效率,可更好应用在航拍图像匹配中。

摘要： 为解决传统的ORB算法提取的特征点分布不均匀且匹配时存在误匹配等问题,在原有算法的基础上提出分区域进行特征点提取并融合GMS算法剔除误匹配的改进特征点提取匹配算法。将四叉树原理引入到特征点提取中,将图像分为若干个网格,在每个网格中进行特征点提取,在匹配过程中利用剔除错误匹配的统计量替代运动平滑性约束。在TUM数据集图片上的实验结果表明,融合GMS的ORB特征点提取与匹配算法的匹配效果明显优于原始的ORB算法及其它同类算法。

摘要： 针对传统ORB算法尺度不变性较差的问题,提出了基于图像金子塔的ORB算法。首先研究了高斯图像金字塔和B-spline图像金字塔,通过实验对两种图像金字塔进行了探讨。实验表明,3阶B-spline图像金字塔的图像所包含的图像信息要高于相同层上高斯图像金子塔的图像所包含的信息。其次,在图像尺度发生变化的前提下,通过实验对传统ORB算法、基于高斯图像金字塔的ORB算法和基于B-spline图像金字塔的ORB算法进行了探讨。实验表明,基于3阶B-spline图像金字塔的ORB算法相比较传统ORB算法所提取的特征点配准率提高了40%。同时,相较基于高斯图像金字塔的ORB算法,本文提出的改进算法在匹配准确率和运行速度上也有所提升。

摘要： 针对ORB算法在图像匹配中特征点的提取会存在一些不稳定边缘点,为了提高ORB特征点匹配的准确性,提出了使用方向梯度直方图(HOG)描述符与快速最近邻逼近搜索函数库(FLANN)相结合的匹配算法。本算法通过移动的HOG窗口对图像中的局部窗口进行初步匹配,然后在HOG窗口的约束下通过使用FLANN对ORB特征点进行图像预匹配,最后采用随机采样一致性(RANSAC)对错误的匹配点进行剔除实现图像的精确匹配。经实验测得本文算法的预匹配准确率由原来的89%提高到了94%,实验结果表明采用HOG窗口与FLANN相结合的匹配算法可以有效的提高ORB特征点预匹配的准确率,并具有较好的稳定性。

摘要： 原ORB(oriented FAST and rotated BRIEF)算法提取的图像特征点经常出现“扎堆重叠”现象,其分布较为密集且缺乏尺度不变性,因而容易造成图像特征点误匹配的问题。为了解决该问题,提出了一种基于四叉树划分的图像特征点提取算法。首先对图像建立尺度金字塔,然后使用四叉树划分图像并限制划分深度。用加速分段测试的特征(features from accelerated segment test,FAST)算法通过多个检测阈值对划分后的图像进行特征点检测。检测完毕后,根据划分出的子块总数和提取的特征点总数对划分出来的各个子块设置自适应阈值,提取ORB特征点。操作完成后通过采取非极大值抑制的方法筛选最佳特征点,并使用改良后的二元鲁棒独立基本特征(binary robust independent elementary features,BRIEF)算法计算得出特征点的描述符,最后进行特征点匹配。实验结果表明,本文算法提取的图像特征点较原ORB算法提取的效果在均匀程度上得到了明显地提升,冗余重叠的特征点数量减少,且在特征点提取速度方面较原ORB算法的提取速度提高了30%以上。

摘要： 针对在图像拼接过程中存在图像间的特征点匹配精度低、图像拼接处存在裂缝以及图像拼接时间久的问题,提出一种基于导向快速与旋转简短(oriented fast and rotated brief, ORB)和随机抽样一致(random sample consensus, RANSAC)组合的图像拼接算法。首先,利用小波变换得到表示图像的近似、水平、垂直和对角特性的子图像分量,选取图像的近似、水平和垂直特性的子图像分量进行叠加,得到下一步进行特征提取的图像;其次,提取图像的ORB特征点并生成二进制特征描述符;再次,通过正反双向匹配对图像中的特征点进行粗匹配并使用RANSAC算法进行精度匹配;最后,利用拉普拉斯金字塔算法进行图像融合。实验结果表明:利用基于ORB和RANSAC组合的图像拼接算法对选取的图像进行提取特征平均耗时约为传统尺度不变特征转换(scale invariant feature transform, SIFT)算法的84.7%、加速鲁棒特征(speed-up robust features, SURF)算法的36.4%、ORB算法的64.9%,图像特征匹配精度提高,图像特征匹配时间缩短,图像拼接处不存在明显裂痕。基于ORB和RANSAC组合的图像拼接算法是一种优质的图像拼接算法。

摘要： 在虚拟现实技术、遥感技术、医学图像等技术方式飞速发展的当下,人们对上述技术获取的信息质量不断提升,但受光照条件较差、摄像镜头拍摄的图片存在一定的畸变等问题的影响,上述技术方式获取的图像往往无法切实满足人们的实际需要。现阶段为了便于工作人员更好地了解上述技术方式获取的图像信息的内容,以计算机信息技术为基础,通过构建格林坐标并对缝合线进行改进、对低照度图像进行优化处理等方式,实现高质量图像的有效拼接,为人们提供更高品质的包含原图像全部信息的新图像,并使其兼顾高分辨率与宽视野的需要成了一项极为必要的工作。以夜景图片作为实验素材,通过对夜景图片进行增强与拼接实验,结果表明,先以暗通道先验去雾技术为基础,对低照度图片进行增强处理,然后对处理后的图像进行翻转,可以实现图像亮度、对比度的有效增强,在图像拼接的过程中,可以合理应用ORB算法对图片的匹配区域进行集中处理,然后用直方图均衡前后得到的匹配结果,并应用共同计算矩阵的方式对结果进行优化,从而进一步提升了透视矩阵计算工作的准确性,图片识别效果与拼接效果的优化提供了有效支撑。

摘要： 针对待拼接图像具有大视差时,重叠区域会出现重影和拼接效率较低等问题,提出一种基于改进ORB算法的大视差图拼接模型.首先构建尺度空间,借助FAST算法提取特征点并建立主方向,再对特征采样区域建立MLDB描述符,然后采用向量场一致性算法筛选内点,最后通过APAP模型完成配准拼接.实验表明,与ORB算法相比,改进ORB算法的鲁棒性更好,与SIFT算法和AKAZE算法相比,匹配速度更快;本算法拼接与GlobalHomography算法、传统APAP模型和AANAP模型相比,效率更高、拼接效果更好,符合视觉审美.

摘要： 无人机影像在匹配过程中多采用基于特征的方法,目前广泛应用的SIFT和SURF算法可以稳定地获取具有局部不变性的特征点.近年来,随着计算机视觉技术的不断发展,产生了一批新的特征检测算法.针对无人机影像特点,选取有代表性的ORB和AKAZE算法,通过设计研究方法并选取评价指标,对算法的性能进行对比验证.结果证明,ORB与AKAZE算法具备良好的性能,可以满足不同类型的无人机影像特征检测需求.

摘要： 无人机影像在匹配过程中多采用基于特征的方法,目前广泛应用的SIFT和SURF算法可以稳定地获取具有局部不变性的特征点.近年来,随着计算机视觉技术的不断发展,产生了一批新的特征检测算法.针对无人机影像特点,选取有代表性的ORB和AKAZE算法,通过设计研究方法并选取评价指标,对算法的性能进行对比验证.结果证明,ORB与AKAZE算法具备良好的性能,可以满足不同类型的无人机影像特征检测需求.

摘要： 无人机影像在匹配过程中多采用基于特征的方法,目前广泛应用的SIFT和SURF算法可以稳定地获取具有局部不变性的特征点.近年来,随着计算机视觉技术的不断发展,产生了一批新的特征检测算法.针对无人机影像特点,选取有代表性的ORB和AKAZE算法,通过设计研究方法并选取评价指标,对算法的性能进行对比验证.结果证明,ORB与AKAZE算法具备良好的性能,可以满足不同类型的无人机影像特征检测需求.

摘要： 无人机影像在匹配过程中多采用基于特征的方法,目前广泛应用的SIFT和SURF算法可以稳定地获取具有局部不变性的特征点.近年来,随着计算机视觉技术的不断发展,产生了一批新的特征检测算法.针对无人机影像特点,选取有代表性的ORB和AKAZE算法,通过设计研究方法并选取评价指标,对算法的性能进行对比验证.结果证明,ORB与AKAZE算法具备良好的性能,可以满足不同类型的无人机影像特征检测需求.

摘要： 无人机影像在匹配过程中多采用基于特征的方法,目前广泛应用的SIFT和SURF算法可以稳定地获取具有局部不变性的特征点.近年来,随着计算机视觉技术的不断发展,产生了一批新的特征检测算法.针对无人机影像特点,选取有代表性的ORB和AKAZE算法,通过设计研究方法并选取评价指标,对算法的性能进行对比验证.结果证明,ORB与AKAZE算法具备良好的性能,可以满足不同类型的无人机影像特征检测需求.

摘要： 本发明涉及一种基于改进EMM及ORB算法的移动机器人SLAM方法，包括以下步骤：S1、通过3D相机采集彩色图像与深度图像，使用改进ORB算法提取彩色图像的特征点并计算描述子，同时对深度图像进行滤波；S2、将彩色图像的像素点转换为空间坐标系下的3D点，使用ICP算法进行位姿计算，去除误匹配点并进行位姿提纯；S3、通过Dijkstra算法与随机采样方法进行回环检测，得到优化后的位姿信息；S4、根据优化后的位姿信息，通过改进环境测量模型的观测似然性计算方法建立稀疏点云图。与现有技术相比，本发明相比激光雷达定位成本低，与其他视觉方法相比有着鲁棒性强、误差小、无需训练等优点。

摘要： 本发明公开了一种基于ORB‑SLAM算法的图像特征点跟踪匹配方法，包括：1）对关键帧提取ORB特征点及描述子并做四叉树均匀分布处理；2）对于新来的帧基于匀加速运动预测特征点的位置；3）多层金字塔的稀疏光流法特征点位置的精确求解；4）进行反向稀疏光流跟踪剔除错误匹配；5）对步骤4求取的特征匹配进行鲁棒RANSAC剔除离群点；6）根据剩余匹配点求解6D位姿并判断当前帧是否为关键帧。本发明的方法只需要对关键帧提取ORB特征点和描述子，关键帧之间的跟踪则不需要计算耗时的描述子，本发明在提升方法精度的同时提升了运行速度。

摘要： 本发明提供了一种基于RGB‑D相机结合平面检测与随机抽样一致算法的优化ORB算法，包括以下步骤：S1：使用RGB‑D相机获取图像数据，图像数据包括彩色图像与深度图像；S2：使用ORB算法对图像数据进行特征点提取，使用特征点均匀性评价方法判断特征点分布均匀性；S3：对于特征点分布均匀的图像数据部分，生成点云并且对其进行降采样；S4：对降采样后的点云进行平面检测提取，使用随机抽样一致算法消除误匹配；S5：对于特征点分布不均匀的图像数据部分，使用设置阈值进行特征点提取与非极大值抑制法剔除重叠特征点。本发明可降低计算量，提高特征点提取的准确性，降低误匹配，从而实现移动机器人对精准性与实时性的要求。

摘要： 本发明公开了一种基于改进的ORB算法的图像匹配算法，本方法通过AGAST算法对目标图像和对比图像产生一组搜索树，执行后向归纳算法得到平面区域决策树和复杂区域决策树；通过比对决策树内像素点特征得到特征点；确定特征点主方向并使主方向旋转到0度；采用BRIEF算法对特征点构建特征向量；采用多探针局部敏感哈希算法将特征向量映射到不同的哈希桶中，并按探测序列比对不同哈希桶中的特征向量，得到初始匹配对；调用RANSAC算法函数对初始匹配对进行误匹配剔除，得到精准的图像匹配结果。本算法通过对特征点提取和匹配，得到粗略匹配集合，并剔除误匹配，保留正确匹配集合，提高图像匹配的准确率以及算法的运算速度。

摘要： 本发明涉及计算机视觉领域，特指一种基于ORB算法的图像配准和图像融合并行的多路视频快速拼接算法。其包括以下内容：步骤S1，建立基于自适应的图像配准模型，通过自适应计算出最佳的图像平移参数；步骤S2，根据步骤S1中最佳的图像平移参数，基于渐入渐出的加权平均法对两帧图像重合区域分别进行图像融合处理，使两幅目标图像融合拼接成一幅全景图像，实现对于目标视频的拼接；步骤S3，采用双边滤波器对步骤S2所得的全景图像进行去噪处理后，输出高质量清晰的拼接图像。本发明的算法计算效率高且计算量小，充分满足实时性的要求。

摘要： 本发明提供了一种基于改进四叉树ORB算法的双目测距方法。该方法包括如下步骤：首先通过标定板拟合深度与视差的关系；之后采集图像并预处理；接着通过四叉树分解算法来精简检索域，剔除背景区域；特征点检测是采用FAST算法和Kitchen‑Rosenfeld算法同时进行，并采用四叉树均匀化算法细分特征点；再使用BRIEF特征描述来匹配左右照片的特征点，同时使用Ransac算法去除错误匹配；最后通过三角测量原理恢复特征点坐标，根据空间距离公式计算物体尺寸。本发明通过将改进的四叉树ORB匹配算法应用于双目测距当中，并使用拟合视差与距离关系的K值的方法计算特征点的三维坐标，提高了检测效率以及检测精度。

摘要： 本发明公开了一种基于ORB算法的关键帧获取的监控视频场景分类方法，具体包括如下步骤：步骤1，采用帧差法处理监控视频，删除未变化片段；步骤2，使用ORB特征检测与匹配算法计算相似度，并将该计算结果作为标准切割步骤1处理后的视频；步骤3，使用预先获取的数据训练VGG‑16网络模型；步骤4，提取步骤2所获取视频的关键帧，并使用步骤3训练好的模型进行预测得到视频对应的标签；步骤5，系统及时推送需求的特定视频。本发明解决了当前人为地去搜索并利用视频剪辑工具手动的截取需要的视频片段所产生的耗时耗力问题。

摘要： 本发明涉及坡道安全检测技术领域，公开了一种基于ORB算法的轨道边坡位移双目视觉检测方法，包括如下步骤：S100，针对被测目标设置标志物；S200，按照预设频率实时获取包含标志物的测量图像；S300，根据预设规则自动识别测量图像中的标志物；S400，获取标志物的位移信息；可以由标志物的位移情况来反映边坡状况，再自动的对包含标志物的测量图像进行获取，从而能够持续的对标志物的位移信息进行监控，减少人工现场拍照的需要，从而能够减少误差，综合性的提升边坡安全检测效率。

摘要： 本发明公开了一种基于ORB算法的弓网运行状态检测方法，涉及弓网运行状态检测技术领域，包括以下步骤：S1、基于特征方向计算改进的ORB图像特征提取方法构建图像定位训练模型，并对图像定位训练模型进行训练，得到图像定位模型；S2、通过图像采集设备实时采集弓网图像，并输入给图像定位模型，以实现从弓网图像中依次定位受电弓ROI区域、接触线ROI区域；S3、分别从受电弓ROI区域和接触线ROI区域中，提取得到弓网线条和接触线线条；S4、计算弓网线条与接触线线条的交点，并根据交点在弓条的位置区域，进行故障判断，以准确判断出弓网运行状态是否安全；本发明对弓网运行状态进行了实时监测，并能根据实时监测的结果提醒相关工作人员。

摘要： 本发明提供了一种基于ORB特征的高分辨率图像拼接改进算法，包括如下步骤：S1：对拼接图像进行特征点提取；S2：对S1中提取的特征点实现快速粗匹配；S3：对S2中进行粗匹配点进行优化，剔除错误的匹配点阵；S4：通过计算单应性变换矩阵的相关参数，求解出图像变换矩阵，进行图像拼接，获得初步拼接图像；S5：通过采用渐入渐出加权融合算法对初步拼接图像中的重叠区域进行融合处理，去除图像拼接的痕迹，得到拼接图像。本发明所提供的算法改进了ORB算法的特征点匹配步骤，在运行速度上具有很大提升，缩短了匹配时间，同时匹配准确度有一定提高，图像拼接质量好，满足了高分辨率图像拼接的快速准确拼接的使用需求。