基于改进SURF特征点的模板匹配算法

吴清辉

（广州市威控机器人有限公司，广州 511340）

0 引言

随着智能制造技术的发展，机器人的智能性越来越受到关注。目前大多数机器人都是面对固定环境，重复完成固定任务，例如机器人抓取物体等。为了更好地引导机器人完成特定任务，机器视觉技术被越来越多地应用到机器人领域。其中目标识别[1－4]能够帮助机器人检测场景中的待抓取物体，在机器人抓取领域[5]有着重要的应用。目前来说针对图像的目标识别问题算法主要有模板匹配以及图像分割等，而其中由于基于特征点的模板匹配算法[6－9]涉及的参数相对较少，只需要在所获得的图像中搜索到之前已经确定的匹配项就可以识别出目标物体，这种类型的算法不仅简单有效，而且有较强的鲁棒性和可扩展性，运用也相对灵活。而其中SURF算法[10－11]在倾斜场景和缩小场景的提取较为稳定，并且实时性较好，已成为广泛使用的特征点提取算法之一，但其描述子构建在匹配过程中易存在误匹配的问题。基于此本文采用DAISY算法[12－13]构建特征描述符来代替SURF原本构建特征描述符方法，并采用PROSAC算法[14－15]进行误匹配点删除，结合上述两种算法的优点提高匹配过程中目标识别的准确性。

1 基于改进SURF特征点的模板匹配目标识别算法

基于模板匹配完成目标识别的基本思路是在摄像机采集到的图像上找到和之前已经确定的模板相近的对象，大致过程如下：

（1）生成与目标物体对应的模板图像；

（2）采用某种算法对得到的模板图像进行处理和训练，构建出模板图像对应的模型；……