面向点云采集的多视图像匹配技术研究——硕士论文.doc

攻读硕士学位研究生学位（毕业）论文攻读硕士学位研究生学位（毕业）论文 面向点云采集的多视图像匹配技术研究 类 型 农业推广硕士 领 域、方 向 农业信息化 研 究 生 指 导 教 师 完 成 时 间 中国 陕西 杨凌 面向点云采集的多视图像匹配技术研究 摘 要 针对尺度不变特征转换 SIFT（Scale-invariant feature transform）算法误匹配率高且 运行效率低的问题，提出一种改进的双向 SIFT 特征匹配算法本研究以基于 SIFT 算 法的图像匹配技术为研究对象，在详细分析了其原理、实现过程、主要优势及不足后， 针对其缺陷进行改进，主要内容如下： （1）在去除误匹配方面，首先采用双向匹配消除部分误匹配，从根本上减少匹配 点的数量，然后结合视差梯度约束和 RANSAC 算法进行特征点对的提纯本研究在传 统的 SIFT 算法的基础上，对 SIFT 特征向量进行正反两次匹配，从而提高匹配的精确 度，这对于利用匹配点对实现空间姿态和位置的自动标定尤为重要为了从根本上增 加匹配点对的数目，又保证匹配的准确性，本研究同时提出了利用交集和并集去除误 匹配的方法，取并集作为出匹配点对，利用准确度较高的交集估计基础矩阵，然后利 用基础矩阵去除并集中的误匹配。

（2）在提高运行速度方面，本研究首先在初匹配中采用 K 邻近算法，其次对视差 梯度约束进行改进，减少迭代次数来降低耗时传统的视差梯度约束算法大概可以消 除约 20%的误匹配，每次迭代只能去掉一个误匹配点对，当迭代次数过多的时候，严 重影响程序的运行速度本研究算法采用改进的视差梯度约束算法，将第三步中“去掉 最大视差梯度和对应的点对”改为“去掉所有视差梯度和大于最小视差梯度和 3 倍对应 的点对”改进后，每次迭代可去除多个误匹配点对，减少迭代次数，算法的耗时也减 少 关键词：SIFT 算法；视差梯度约束；RANSAC 提纯；特征点；误匹配 RESARCH OF ACQUISITION ON MULTI-VIEW IMAGE OF POINT CLOUDS ABSTRACT An improved bidirectional SIFT feature matching algorithm is proposed for the high mismatching rate and low operation efficiency of SIFT algorithm. Based on Image-Matching-Technology with SIFT algorithm as the research object, we analyzed the principle, implementation process, and the main advantages and disadvantages in detail, and also improved the defect. Finally, the main results are as follows: （1）To remove the mismatching, there are two steps to follow. First, SIFT bidirectional matching algorithm is taken to eliminate part of the mismatch. Second, disparity gradient constraint and RANSAC algorithm are used to purify the matching points. On the basis of traditional SIFT algorithm in this paper, we processed two matching in positive and negative for SIFT feature vector. It will improve the accuracy of the matching, and is important to realize automatic calibration of space posture and position using matching points. In order to increase the number of matching points fundamentally and ensure the accuracy of matching, this paper also puts forward the method of using intersection and sets for mismatching removing, and selects sets as the matching points. And the fundamental matrix was estimated based on the intersection with high accuracy, then using fundamental matrix for mismatching removing in the sets. （2）To improve the speed of process, it is not only K nearest method was taken at the beginning of matching, but disparity gradient constraint is also improved, in order to reduce the iterations to lower the consuming time. Traditional disparity gradient constraint algorithm can eliminate about 20% of the match probably, and each of the iterations can only remove a match point by mistake, what is more, when the number of iterations are too much, the running speed of the program can be seriously influenced. In this paper, the improved disparity gradient constraint algorithm was adopted, in which the third step of “remove the biggest disparity gradient and the corresponding point on“ was changed into “get rid of all of the disparity gradient and 3 times greater than the minimum disparity gradient and the corresponding point on“. After that each of the iterations can remove more than one false match point, and the number of iterations is reduced, the time of the algorithm is reduced too. KEYWORDS：：SIFT; Disparity Gradient; RANSAC algorithm; Feature Point; Mismatching 目 录 第一章 绪 论.1 1.1 研究目的与意义1 1.2 国内外研究现状2 1.3 研究的主要内容4 1.4 论文的组织结构6 第二章 立体匹配原理及方法.7 2.1 立体匹配7 2.1.1 立体匹配原理.7 2.1.2 立体匹配方法.8 2.1.3 相似性度量10 2.2 极线约束算法.10 2.2.1 数据筛选的约束条件10 2.2.2 极线约束11 2.3 视差梯度算法.11 2.4 SIFT 匹配算法12 2.4.1 SIFT 算法相关术语.12 2.4.2 SIFT 算法的特性.13 2.5 本章小结17 第三章 具体算法设计.18 3.1 初匹配点的获取18 3.2 剔除误匹配.19 3.3 特征点提纯.22 3.3.1 视差梯度约束22 3.3.2 RANSAC 去除误匹配24 3.4 算法步骤27 3.5 改进后的理论分析.28 3.6 本章小结29 第四章 实验结果分析.30 4.1 实验结果30 4.1.1 亮度变换和尺度变化的匹配.30 4.1.2 旋转变换的匹配32 4.2 数据分析34 4.2.1 改进算法数据分析.34 4.2.2 SIFT 算法数据对比.36 4.3 实验结论38 4.4 本章小结38 第五章 总结与展望.39 5.1 总结.39 5.2 展望.39 参考文献40 致 谢44 作者简介45 第一章 绪 论 1 第一章 绪 论 1.1 研究目的与意义 自20世纪70年代以来，科学家将视点逐步转移到了视觉计算理论上，新兴的立体 视觉技术取得了广泛的关注。

立体视觉作为一门复杂的交叉学科，它与认知心理学和 视觉神经系统科学都有较为密切的联系立体视觉问题需要从根本上彻底解决，但科 学家们首要面临的问题就是理论和实验两方面的挑战、自然场景的变换和认知行为的 复杂度，同时视觉行为意义上的定量理论还需要大量实验进行推导和证明，因此立体 视觉匹配技术的发展还存在着许多未知的理论和方法，具有巨大的发展空间简单的 说，视觉理论是一门具有复杂性且涉及面很广泛但发展尚未成熟的学科立体视觉技 术发展到现如今，在科学研究和实际应用两个层面上遇到的技术解决方案都是针对具 体科研课题和应用瓶颈提出的例如对三维场景的快速恢复技术，基本上只局限于图 像中景物的可视部分进行的，对于物体被隐藏起来的部分，基本无法进行解析处理 利用景物的局部信息恢复景物真实的、完整的表面信息确实很有难度，同时具有相当 的挑战性在立体视觉匹配技术的长期研究过程中，发现了几个较为普遍存在的问题， 对于一些非完全漫反射的物体表面、纹理信息缺乏的图像相关区域、物体边缘信息不 明确或边缘深度不连续和遮挡等相关现象，匹配算法难以取得准确率较高的匹配结果， 匹配算法的性能也受到了一定程度的影响和干扰，甚至直接导致误差的出现。

立体匹配是双目体视技术中最重要，最复杂也是最困难的一步当二维图像特征 点提取后，关键任务是匹配，也就是寻求左(右)图像中的每个特征点在右(左)图像中的 对应点由于将空间三维场景投影为平面二维图像时，同一景物在不同视点下的图像 中存在着明显差异，并且场景中的噪声干扰、光照条件、景物的物理特性与几何形状、 摄像机特性等诸多变化因素都将被综合到单一的图像灰度值中，因此仅由灰度值来定 性以上这些因素和特征是十分困难的为了求解对应点和减少错误匹配，人们建立了 诸如唯一性约束、连续性约束、外极线约束、一致性约束等许多约束，然而随着约束 条件的增加，匹配难度相应增大，匹配的选择性空间相应缩小 随着计算机视觉技术日新月异的发展，图像匹配技术被广泛地应用于社会科学等 各个领域，例如三维重建、立体视觉、遥感图像分析等同时，在当今高速发展的社 会中，图像匹配技术也具有广泛的应用前景，其中包括疾病的诊断、地形地貌的勘测、 目标跟踪技术、指纹识别、文字识别及相关场景的分析等目前，各国都是在努力进 行研究和发展图像匹配技术，其主要原因是通过该项技术可。