【技术实现步骤摘要】
本专利技术属于计算机视觉，具体涉及一种基于orb特征点和改进筛选机制的特征匹配方法。
技术介绍
1、随着计算机视觉技术的快速发展，特征匹配算法作为该领域的关键技术，已经在图像拼接、目标跟踪、三维重建、运动估计以及机器人导航等多种场景中发挥了重要作用，特征匹配算法的核心在于准确而高效地识别并匹配不同图像之间的相似或相同特征点，进而使计算机能够解析和理解复杂的视觉信息，图像匹配的精度和实时性关乎计算机视觉领域中许多技术的效果，为此，对特征匹配的相关算法进行研究是非常必要的；
2、在现有的特征匹配算法中，orb算法以其高速性能在实时应用中脱颖而出，成为了一种广泛应用的特征匹配方法。orb算法通过计算图像中的关键点并生成相应的描述子，实现了对图像特征的高效提取和描述，然而，尽管orb算法在速度上具有优势，但在处理复杂场景或大规模数据时，其匹配精度和稳定性仍面临挑战；
3、另一方面，ransac算法作为一种常用的特征匹配筛选方法，通过随机抽样一致性检验来鉴别内点(正确匹配)和外点(错误匹配)，这种方法在一定程度上提高了匹配的准确性，但由于其高度依赖于随机抽样的质量，因此在实际应用中效果并不稳定，尤其是在处理大量数据或复杂场景时，其精度和速度往往难以保证；
4、因此，有必要提供一种基于orb特征点和改进筛选机制的特征匹配方法，改善上述技术问题。
技术实现思路
1、本专利技术的目的是提供一种基于orb特征点和改进筛选机制的特征匹配方法，能够在实际应用中改善特征
2、本专利技术采取的技术方案具体如下：
3、一种基于orb特征点和改进筛选机制的特征匹配方法，包括以下步骤：
4、s1：对两幅待匹配的图像进行orb特征点提取，将提取点作为潜在特征点；
5、s2：使用四叉树均匀地选取图像特征点；
6、s3：根据描述子信息，比较描述子之间的汉明距离，对特征点进行初步匹配；
7、s4：改进筛选机制，剔除图像中错误的匹配对，得到最终的正确匹配结果。
8、本专利技术取得的技术效果为：
9、本专利技术基于计算机视觉，成本较小，不需要大型数据集，易于维护修改。
10、本专利技术提出的匹配方法设备要求低，可移植性强。
11、本专利技术利用改进的特征匹配筛选机制，有效提高了特征匹配的速度和精度，保证了筛选的稳定性，改善了特征匹配的整体效果。
本文档来自技高网...【技术保护点】
1.一种基于ORB特征点和改进筛选机制的特征匹配方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的特征匹配方法，其特征在于：所述S1中的步骤为：
3.根据权利要求1所述的特征匹配方法，其特征在于：所述S2中的步骤为：
4.根据权利要求1所述的特征匹配方法，其特征在于：所述S3中的步骤为：
5.根据权利要求1所述的特征匹配方法，其特征在于：所述S4中的步骤为：
6.根据权利要求2所述的特征匹配方法，其特征在于：所述S12中，定义角点和质心之间的连线的方向为该角点的主方向，公式为：
7.根据权利要求3所述的特征匹配方法，其特征在于：所述S22中，每个节点，设定一特征点数量的阈值T，节点中特征点数量的检查利用以下条件表达：
8.根据权利要求5所述的特征匹配方法，其特征在于：所述S43中，GMS将图像划分为多个小网格。假设图像的尺寸为W×H，网格的尺寸为w×h，则网格的数量为：
【技术特征摘要】
1.一种基于orb特征点和改进筛选机制的特征匹配方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的特征匹配方法，其特征在于：所述s1中的步骤为：
3.根据权利要求1所述的特征匹配方法，其特征在于：所述s2中的步骤为：
4.根据权利要求1所述的特征匹配方法，其特征在于：所述s3中的步骤为：
5.根据权利要求1所述的特征匹配方法，其特征在于：所述s4中的步骤为：
6.根...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。