基于Harris-SIFT算法的双目视觉立体匹配研究

【摘要】：双目视觉过程的核心问题就是立体匹配,其匹配结果的准确度在很大程度上决定着三维重建的结果,若处理好此问题,则对于双目视觉的研究应用有着较大影响。于是双目立体视觉技术的匹配关系成为了立体视觉中的一个关键课题,在机器人的自主导航、航天及遥控勘测、工业自动化等领域得到了普遍使用。但是到目前为止如何保证匹配精度的前提下提升算法的运行速度也是充满挑战的热点问题。本文具体内容如下:首先,叙述了图像匹配的定义、重要框架以及图像间的变换关系,在此基础上研究了相位匹配、灰度匹配、特征匹配算法。对这三种算法分析对比后,可得出特征匹配算法更符合应用于复杂客观场景的情况。此方法对比其他两类方法匹配的效果更加具有结构意义,计算时间更短,尤其当存在噪音干扰时匹配结果依旧很好。于是本文选择相对效果更好的特征匹配算法作了详细研究。其次,对FAST算法、Harris算法、SIFT算法的基本原理以及实验进行对比分析。其中SIFT算法稳定性、鲁棒性最佳,于是又对SIFT算法的特征描述符的生成以及特征点匹配做了详细的对比实验,得出SIFT算法是一种能够适应不同光照、不同位置等情况进行有效匹配目标的算法。但是SIFT算法计算量大、复杂性高、实时性差,很难满足实时性较高的系统的要求。因此本文对其改进,使其具有更好的匹配效果和更广泛的实用性。最后,本文在SIFT算法原理与实际应用的基础上,给出了基于Harris-SIFT的立体匹配算法。该算法采用多尺度Harris算法所提取的亚像素角点替代SIFT算法所生成的特征点,并生成32维特征向量描述符;然后采用改进k-d树的BBF法对特征点进行初匹配,可以高效地寻找到特征点的最近邻点进行特征点匹配,并且将搜索策略从单向匹配改成双向匹配;最后采用改进的RANSAC算法对初匹配进行筛选。实验结果证明该改进的算法明显提升了匹配准确度,减少了算法的执行时间,提高了匹配的效率,在保证了SIFT算法的鲁棒性的基础上,弥补了其精确度低、特征点无鲜明几何意义等劣势,在双目视觉理论中将会有更广泛的应用。