基于ORB特征的图像误匹配剔除算法研究

张 盟,王志亮,刘汉忠

(1. 南京工程学院机械工程学院, 江苏 南京 211167;2. 南京工程学院自动化学院, 江苏 南京 211167)

同步定位与地图构建(simultaneous localization and mapping,SLAM)是移动机器人在未知环境下实现自主定位导航的核心技术[1].视觉同步定位与地图构建(visual SLAM,VSLAM)因采用视觉传感器比激光、雷达等具有一定价格优势,成为SLAM研究领域的热点方向之一.

文献[2]构建了PTAM(parallel tracking and mapping)系统,实现了跟踪与建图过程的并行化.文献[3]在此基础上构建了ORB-SLAM2(Oriented FAST and Rotated BRIEF SLAM2)系统.VSLAM前端系统在图像匹配时需满足实时性与准确性的要求,但受到噪声干扰,会在匹配中出现特征点的误匹配,影响后续姿态估计等工作[4].随机抽样一致(random sample consensus,RANSAC)算法[5]通过随机抽取样本数据,计算模型参数,能快速找到最优估计[6],因此,ORB-SLAM2系统在特征匹配时采用RANSAC算法剔除误匹配点.RANSAC算法因其随机性而增大迭代次数,导致算法运行低效，因此,本文在图像匹配过程中引入一种粗剔除与精剔除相融合的误匹配剔除方法,相较于传统的RANSAC方法,提高了图像特征点匹配的准确度.利用本文算法替换ORB-SLAM2系统的RANSAC算法,选用双目相机,在实验室环境下对改进后的ORB-SLAM2算法进行试验,获得相机轨迹,进而证明本文算法在VSLAM中的可行性.

1 ORB特征点匹配算法

1.1 特征点检测

ORB算法运用FAST算法来寻找特征点,FAST算法检测过程为：

1) 从图像中选取像素p,假设它的亮度为Ip;

2) 设值一个合适的阈值T(如Ip的20%);

3) 以像素p为中心,选出半径为3的圆上的16个像素点,如图1所示;

4) 若选取的圆上有连续的N个点的亮度超过设定的阈值,则认为……