积分商城

最新搜索： ide手册 WINCE 传感器 拼音输入 STM32CubeMX vee使用
您现在的位置是：首页 > 技术资料 > 基于CenSurE-star 特征的无人机景象匹配算法
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于CenSurE-star 特征的无人机景象匹配算法

更新时间：2019-12-30 11:02:56 大小：2M 上传用户：zhiyao6查看TA发布的资源 标签：无人机图像匹配 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

针对传统局部不变特征的景象匹配算法冗余点多、实时性差、抗几何变换不突出的情况,提出基于CenSurE-star的无人机(UAV)景象匹配算法。首先采用Cen Sur E特征星型滤波器(CenSurE-star)提取基准图和实时图中的特征点,并生成FREAK二进制描述符;然后将汉明距离作为特征点的相似性判定度量,采用K近邻距离比值的方法提取匹配点对;最后利用基于RANSAC的定位模型得到空间几何变换关系,实现图像匹配并获取定位点经纬坐标。算法性能评价实验表明,本文算法不仅相对于SIFT、SURF、ORB算法,对各种变换具有更好的鲁棒性,而且相对于改进的SIFT、SURF算法处理时间有更大程度的缩短,算法定位误差在0.8个像素内,尺度误差在0.02倍内,旋转角度误差在0.04°内。基于算法进行外场飞行实验,实验证明算法定位精度较高,可以适应地貌信息较少的环境,并能满足无人机视觉辅助导航的需求。


部分文件列表

文件名 大小
基于CenSurE-star_特征的无人机景象匹配算法.pdf 2M

【关注B站账户领20积分】

部分页面预览

（完整内容请下载后查看）
仪
器
仪
表
学
报
38  
2
期
Vol. 38 No. 2  
Feb． 2017  
第
卷
第
Chinese Journal of Scientific Instrument  
2017  
2
月
年
*
CenSurE-star  
基于  
特征的无人机景象匹配算法  
1
2
1，2  
，
李
，
王勇军  
张闻宇  
智
( 1．  
541004; 2．  
541004)  
桂林航天工业学院无人机遥测重点实验室 桂林  
桂林电子科技大学电子工程与自动化学院 桂林  
:
、
、
，
CenSurE-star  
摘
要 针对传统局部不变特征的景象匹配算法冗余点多 实时性差 抗几何变换不突出的情况 提出基于 的无人  
( UAV) CenSurE ( CenSurE-star) ， FREAK  
提取基准图和实时图中的特征点 并生成  
。
机
景象匹配算法 首先采用  
特征星型滤波器  
二进制描述符 然后将汉明距离作为特征点的相似性判定度量 采用 近邻距离比值的方法提取匹配点对 最后利用基于  
RANSAC  
;
，
K
;
，
。
，
的定位模型得到空间几何变换关系 实现图像匹配并获取定位点经纬坐标 算法性能评价实验表明 本文算法不仅相  
SIFT、SURF、ORB SIFT、SURF ，  
算法处理时间有更大程度的缩短  
，
，
对于  
算法 对各种变换具有更好的鲁棒性 而且相对于改进的  
0． 8  
，
0． 02 0． 04°  
，
。
，
算法定位误差在  
个像素内 尺度误差在  
定位精度较高 可以适应地貌信息较少的环境 并能满足无人机视觉辅助导航的需求  
; CenSurE-star ; FREAK  
倍内 旋转角度误差在  
内
基于算法进行外场飞行实验 实验证明算法  
，
，
。
:
;
;
关键词 无人机景象  
特征  
描述符 空间几何变换 图像匹配  
: A : 510． 40  
国家标准学科分类代码  
: TP391． 4 TH761． 6  
中图分类号  
文献标识码  
UAV scene matching algorithm based on CenSurE-star feature  
1
2
1，2  
Zhang Wenyu ，Li Zhi ，Wang Yongjun  
( 1． School of Electronic Engineering and Automation，Guilin University of Electronic Technology，Guilin 541004，China;  
2． Key Laboratory of Unmanned Aerial Vehicle Telemetry，Guilin University of Aerospace Technology，Guilin 541004，China)  
Abstract: Aiming at the problems of large number of redundant points，poor real-time performance and low ability to resist geometric  
transformations for the scene matching algorithm based on traditional local invariant feature，an unmanned aerial vehicle ( UAV) scene  
matching algorithm based on CenSurE-star is proposed． Firstly，the CenSurE-star filter is adopted to extract the feature points in the  
reference image and real-time image，and then FREAK binary descriptors are generated． Secondly，the Hamming distance is taken as  
the similarity measurement of the feature points，and the K-Nearest Neighbor distance ratio method is used to extract the matching point  
pairs． Finally，the positioning model based on RANSAC is utilized to obtain the space geometric transformation relations，the image  
matching is achieved，and the latitude and longitude coordinates of the positioning points are obtained． The algorithm performance  
evaluation experiments show that compared with SIFT，SURF and ORB algorithms，the proposed algorithm has better robustness in  
dealing with various image transformations; and compared with the improved SIFT and SURF algorithms，the processing time of the  
proposed algorithm is greatly shortened． The positioning error of the algorithm is within 0． 8 pixels，the scale error is within 0． 02 times，  
and the rotation angle error is within 0． 04 degrees． Based on the proposed algorithm，a field flight experiment was conducted． The  
experiment results prove that the proposed algorithm has high positioning accuracy，can adapt to the environment with less landform  
information，and meets the requirements of UAV vision aided navigation．  
Keywords: unmanned aerial vehicle ( UAV) scene; CenSurE-star feature; FREAK ( fast retina keypoints) descriptor; spatial geometric  
transformation; image matching  
: 2016-07  
Received Date: 2016-07  
收稿日期  
*
:
基金项目 国家自然科学基金  
( 61361006) 、  
广西自然科学基金  
( 2015GXNSFBA139251) 、  
广西自动检测技术与仪器重点实验室基金  
( YQ14203) 、  
广西高校无人机遥测重点实验室主任基金  
( WRJ2015ZR02)  
项目资助  
2
:
张闻宇 等 基于  
CenSurE-star  
特征的无人机景象匹配算法  
463  
第
期
45°  
。
，
波器对  
旋转很敏感 近年来 基于二进制描述符的二  
( binary robust independent  
BRIEF  
进制鲁棒独立基础特征算法  
1
引
言
［14］  
element feature，BRIEF)  
ORB( oriented FAST and rotated BRIEF)  
算法  
、
改进了  
算法定向旋转  
［15］  
，
在无人机辅助导航领域 景象匹配技术利用图像传  
、
特性的  
［16］  
( fast retina keypoints，FREAK)  
感器在飞行过程中采集的实时图像与预先制备好的基准  
快速视网膜关键点算法  
， ，  
图像进行匹配计算 从而获得精确的位置导航信息 以完  
，
。
等算法的出现 大幅降低了特征匹配的时间 但由于采  
( features from accelerated segment  
用加速分割检测特征  
， 。  
成对惯性导航误差的修正 可大大提高导航精度 由于  
、 ，  
飞行器飞行速度快 视角变换复杂 提供一种满足实时  
test，FAST)  
，
特征检测方法 使得算法存在不具备尺度不  
［17］  
、
性 具有高可靠性的景象匹配定位算法成为研究的关  
，
从而大大影响了其在变化复杂的无人机  
变性等问题  
［1］  
。
。
键
景象匹配中的应用  
，
在众多景象匹配方法中 传统的基于灰度和基于变  
虽然基于斑点特征的景象匹配算法已取得较大进  
，
换域的方法通常采用全局不变特征来描述图像 在匹配  
，
展 但既要能够适应无人机姿态变化带来的航拍图像中  
， 、 、  
过程中 对图像之间存在的旋转 缩放 以及光照变化较  
、 ，  
旋转 尺度缩放变化以及噪声模糊等情况 又要达到毫秒  
［2-3］  
，
为敏感 且处理时间过长  
，
，
级的运算时间的要求 仍然是无人机景象匹配算法领域  
难以应用于无人机辅助导  
。
航领域 而基于局部不变特征的景象匹配方法只利用目  
。
，
CenSurE-  
尚未完全解决的难题 为此 提出了一种基于  
star FREAK  
二进制特征描述  
， ，  
标局部区域的信息构造特征量 不仅鲁棒性好 匹配速度  
，
的斑点特征检测方法 结合  
［4］  
，
也有所提高 因此越来越多的受到研究者的重视  
。
，
完成匹配的无人机景象匹配算法 实验证明本文算法速  
，
在局部不变特征中 斑点特征以其优秀的稳定性与  
、 、 。  
度快 效率高 复杂变化下仍能保持较高的定位精度  
，
抗噪能力广泛应用于景象匹配算法中 其主要检测方  
［5］  
( Laplacian of Gaussian，LoG)  
法
为高斯拉普拉斯算子  
Hessian ( determinant of Hessian，DoH) ，  
但
2
CenSurE-star  
的无人机景象匹配算法  
基于  
和
矩阵行列式  
。
操作复杂费时 所以国内外研究者一直在探索斑点检测  
2． 1 CenSurE-star  
特征  
［6］  
，
的快速算法 比如  
Lowe D． G．  
等人 提出的尺度不变特  
CenSurE  
层滤波器来近似高斯拉普拉斯 稳定性好 计算效率高  
CenSurE  
，
特征是一种新的局部斑点特征 它使用双  
( scale-invariant feature transform，SIFT) ，  
该算  
征转换算法  
，
、
。
( difference of Gaussian，DoG)  
法利用高斯差分算子  
来近  
，
，
但是 传统的  
特征提取采用方型滤波器 方型滤  
LoG， ，  
并结合梯度直方图来完成特征的描述 但抗仿射  
似
，
波器不是旋转不变的核函数 尤其是在旋转  
45°  
时性能比  
［18］  
， 。  
变形能力弱 计算量大 为提高仿射不变性  
，Morel J． M．  
，
较差  
难以适应旋转尺度适应性要求比较高的无人机  
［7］  
ASIFT( affine-SIFT)  
等人 提出基于仿射相机模型的  
算
。 ， ，  
景象匹配 为此 构建了星型滤波器来提取特征点 主要  
，
法 通过模拟所有可能的相机光轴方向变化来实现图像  
3
。
由以下 个步骤组成  
1)  
CenSurE  
［8］  
; Dellinger F  
变换与匹配  
等人 提出基于合成孔径雷达  
和比值梯度尺度空间的  
算法 该方法能够克服乘性噪声对匹配结果的  
使用双层滤波器构建尺度空间  
构建尺度空间时采用简单的双层滤波器来  
( synthetic aperture radar，SAR)  
SAR-SIFT  
，
。
1
，
所 示 为 方 型 滤 波 器 又 称  
近似高 斯 拉 普 拉 斯  
图
［9］  
， 。 ，  
影响 提高匹配效率 为提升运算速度 杨飒等人 提出  
CenSurE-DOB。CenSurE-DOB  
( 2n  
滤波器的内核尺寸为  
( 4n + 1) × ( 4n + 1) 。  
，
了基于压缩感知理论 采用稀疏随机投影  
( sparse random  
+ 1) × ( 2n + 1) ，  
外核尺寸为  
设
projection，SRP) SRP-SIFT  
，
方法提取特征向量的  
算法 在  
; Bay H  
( speeded up robust  
提 出 加 速 鲁 棒 特 征 算 法  
I
，O  
。
为外核权重系数 为了使这种滤  
为内核权重系数  
n
n
匹配准确率相当的情况下进一步提升了算法速度  
DC  
0， :  
响应为 权重系数需满足等式  
波器的  
［10］  
2
2
等人  
I ( 2n + 1) = O ( 4n + 1)  
n
( 1)  
n
features，SURF) ，  
该算法在  
DoH  
方法的基础上利用积分  
:
对尺度进行归一化  
2
2
，
图像有效地提高了计算效率 但多个主方向提取的特征  
I ( 2n + 1) = I ( 2( n + 1) + 1)  
n+1  
( 2)  
n
［11］  
，
向量 会导致误匹配增多  
; Li L  
SURF  
算法基础  
等人  
在
，
DAISY  
，
上 引入  
大角度旋转带来的误匹配 朱奇光等人  
Krawtchouk  
描述符来生成主方向特征向量 以减少  
［12］  
;
提 出 利 用  
SURF  
，
矩生成特征向量的方法来改进  
算法  
等人 提出了中心  
( center surround extremas，CenSurE)  
［13］  
。Agrawal M  
进一步优化了匹配时间  
环绕极值  
使用双层滤波器来近似  
，
特征方法  
1
CenSurE-DOB  
图
LoG，  
检测时间大大缩短但其滤  
Fig． 1 CenSurE-DOB  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

资料专题

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号