《表1 常用算法比较:增强现实中三维跟踪注册技术概述》
在基于自然特征的跟踪注册技术中,特征点的提取与匹配是实现稳定跟踪注册的关键。特征点检测与特征匹配方法主要有SIFT(Scale-Invariant Feature Transform)[21]、FAST(Features from Accelerated Segment Test)[22]、SURF(Speed-Up Robust Features)[23]、BRIEF(Binary Robust Independent Elementary Features)[24]、ORB(Oriented FAST and Rotated BRIEF)[25]等。SIFT算法又称为尺度不变特征检测法,该算法在空间和变尺度上均具有较高的定位精度,但由于其巨大的特征计算量而使得特征点提取比较耗时,所以SIFT算法适用于匹配精准且不考虑速度的场合。SURF算法相对于SIFT算法而言特征点检测速度大幅提升,即SURF算法多应用于实时视频流图像的匹配。FAST(加速分割测试获得特征)算法专门用于快速检测特征点,因此适用于优先考虑速度的场合。BRIEF算法的速度较快,但对于噪声敏感且不具备尺度不变性。ORB算法是BRIEF算法的改进版,相较于SIFT算法与SURF算法的速度更快,综合性能较好,但仍没有解决尺度不变性问题。各算法性能如表1所示。
图表编号 | XD00102827000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.01 |
作者 | 韩玉仁、李铁军、杨冬 |
绘制单位 | 河北工业大学机械工程学院、河北工业大学机械工程学院、河北工业大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |