一种无标识图像的FLANN-LM配准算法

张乃千，王占刚

(北京信息科技大学 信息与通信工程学院，北京 100192)

0 引言

增强现实(augmented reality，AR)是一种实时地将摄像机角度、位置及相应图像、视频、3D模型叠加计算的新兴领域，用来完善用户与现实世界交互的感官体验。传统的增强现实大多使用基于人工标识的跟踪注册技术，需要检测有一定特征的标志物。虽然能较好地抵抗干扰，但是应用范围受到大幅限制。

3D跟踪注册技术是增强现实技术的根本，而其关键技术是提取与匹配特征点，所以，寻找一种同时兼顾旋转不变性、尺度不变性又伴随鲁棒性强、精确性高、实时性好的特征检测匹配算法是增强现实系统不可或缺的存在。早期的 Harris角点检测[1]实时性、鲁棒性好，但不具备尺度不变性；Lee等[2]提出了基于尺度不变特征SIFT(scale-invariant feature transform)算子的特征检测算法，较好地解决了图像在不同尺寸、旋转、光照等条件下的匹配失败问题，但速度很慢；Chen等[3]提出了加速稳健特征SURF(speed up robust features)算子，在一定程度上提高了处理速度，但降低了准确性；Michael Calonder 等[4]提出了BRIEF (binary robust independent elementary features)算法，该算法高效简单，但易受噪声影响，不具备尺度不变性及旋转不变性；Rublee[5]提出了ORB (ORIENTED BRIef) 算法，这是一种高效的二进制局部特征描述算子，ORB算法虽在速度上有了很大提升，却仍然没有解决好图像光照、纹理变化对注册精度的影响；Alexandre Alahi 等[6]提出 了FREAK算法，该二进制描述符以人类视网膜获取图像为基础，利用由模糊到清晰、扫视搜索的匹配方法，更好地满足了对光照、旋转等变化的适应性，同时完善了对于实时性的追求。……