SFM系统中的快速鲁棒特征提取算法研究

陈康平，刘而云

(浙江大学信息与电子工程学院，浙江 杭州 310027)

SFM系统中的快速鲁棒特征提取算法研究

陈康平，刘而云

(浙江大学信息与电子工程学院，浙江 杭州 310027)

介绍了典型运动恢复结构SFM系统的结构，分析了二维特征提取算法对系统的影响.针对SFM系统输入图像数量大、视角变化多的特点，提出了FASTX-DAISY快速特征提取算法.实验表明，与SIFT以及ORB-DAISY特征提取法比较，该方法不仅能提高SFM系统的重建效率，而且在视角发生较大变动时仍有较好的鲁棒性.

特征提取；运动恢复结构；快速特征

0 引 言

运动恢复结构(Structure From Motion, SFM)系统在近年来兴起的VR等相关技术中扮演了重要角色.其旨在利用目标在同一场景、不同视角下的二维图像，来还原目标的三维结构，还原的结构可以用三维点云(Point Cloud)数据来表示.以点云数据为基础做进一步分析和拟合，可以得到场景中直线和平面等更精细的结构，最终实现高质量的三维全景还原.

SFM系统输入的图像数量大而且视角变化多，传统的二维特征提取方法如SIFT(Scale-invariant Feature Transform)[1]缺乏对这种情形的应对.为此，本文结合了高效角点提取算法FAST(Features From Accelerated Segment Test, FAST)[2]和能良好适应视角变化的特征描述子DAISY(Dense descriptor Applied to wide-baseline Stereo, DAISY)[3]，提出了一种适用于SFM系统的快速特征提取算法——FASTX-DAISY.

1 典型的SFM系统架构

一个典型的SFM系统可以分成3个部分：二维特征提取、特征跟踪、多视角立体重建与优化.这3个部分前后依赖，组成了SFM系统三级流水线，如图1所示.

图1 SFM系统三级流水线

1.1 二维特征提取

早期的SFM系统采用区块匹配或是线匹配的……