一种改进的ORB特征点匹配算法∗

唐管政 唐大全 谷旭平

（海军航空大学 烟台 264001）

1 引言

图像特征匹配［1］是通过提取图像中的特征点，将两幅前后时间序列上的图像进行相关性计算，得到两幅图像的特征匹配。目前已广泛应用于无人机视觉导航、无人机目标跟踪与识别和同时定位与建图等领域。图像特征匹配主要有两种，分别为块匹配计算方法和点匹配计算方法，其中块匹配计算方法虽然简单高效，但是当图像某部分被遮盖时，会出现匹配点漂移的情况，致使匹配有所偏差。而点匹配计算方法，在无人机运动过程中，对图像的位移较为敏感，并对光照变化、图像噪声、图像畸变和遮挡具有一定的鲁棒性。目前主流的点匹配计算方法有以下几种：SIFT［2］、SURF［3］和 ORB［4］等。DavidG.Lowe等在于2004年提出了一种新的特征匹配算法−SIFT算法，但是SIFT算法中的计算量大，在实际应用中不具有实时性。因此Bay H等于2006在SIFT算法的基础上改进了运算速度，提出了SURF算法，但是仍然无法满足实时性较高的应用要求。而Rublee等于2011年将FAST算法［5］和BRIEF算法［6］相结合，提出了ORB算法，运算速度较SIFT、SURF算法有了明显的提升，但是运用ORB算法在实际中仍然出现误匹配率高和鲁棒性差等问题。针对以上问题，本文对ORB算法的特征匹配环节进行改进，得到一种新的算法。

2 ORB特征匹配算法原理

ORB算法是将FSAT算法和BRIEF算法相结合并进行改进的算法［7］。

2.1 特征点提取

FAST特征提取算法中，当灰度图中存在一像素点邻域内的大部分像素点的灰度值大于或小于该点时，判定该像素点为特征点［8］。……