基于极线几何的统计优化特征匹配算法

赵春晖，樊斌，田利民，胡劲文，潘泉

西北工业大学 自动化学院，西安 710072

视觉同时定位与构图(SLAM)的初始化阶段需要利用特征匹配进行三角化得到3D点云[1-2]，特征匹配的准确率和召回率的高低直接影响着3D点云的数量和3D坐标的准确性，进而影响相机位姿的估计精度。

BF(Brute Force)算法[3]通过计算2幅图像特征点描述子之间的欧式距离，找到最接近的特征点作为候选匹配。但是，由于虚假的检测，最接近的特征点可能不是真正匹配的特征点。为解决该问题，FLANN(Fast Library for Approximate Nearest Neighbors)算法[4-5]被提出。它利用比率测试来验证候选匹配特征点对，以剔除虚假匹配。但存在2个主要问题：① 高分辨率图像的特征点成千上万，对数千个特征点进行描述是一项艰巨的任务；② 特征点随机分布的假设并不适用于具有重复结构的图像，如窗户、农田等。由于相似的外观，比率测试拒绝了许多重复结构的特征点。为解决该问题现已提出了一些解决方案，但需要重复结构共面或特征仿射不变等额外的假设和处理步骤[6-8]。RANSAC (RANdom SAmple Consensus)算法[9-11]可以缓解这些问题,但RANSAC本身要求大多数误匹配应被预先排除,并且当最近距离匹配集合中的误匹配数量较多时会失效。

罗楠等[12]在研究具有重复结构的图像匹配方法时，针对基于局部特征的匹配方法容易出现误匹配以及全局特征点主方向依然通过计算局部特征点相关信息得到等问题，提出了一种基于成对特征点的匹配方法。该方法通过修正特征点的方向信息来提高匹配准确率，启示了本文特征点主方向的研究。……