《表3 各种算法在不同情况下重复率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多特征融合的高鲁棒性视觉SLAM改进算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

首先，研究在Mikolajczyk的数据集中选择了4组图像，从图像模糊、不同光照、不同比例和不同视角等方面评估算法的性能。仿真在4组测试图片中的每一组上执行OARL原始方法50次。图8、图9和表3显示了结果。表3中，第三列和第四列显示从左侧和右侧的图像中提取的特征点的数量。第五列显示检测时间。最后一列显示了成功匹配的数量。可以看出，在模糊、亮度变化、视点变化、变焦和旋转的情况下，本文的ORAL算法平均匹配时间与ORB算法为相同数量级，但是正确率却平均提升了5%左右。本文的OARL算法在不同环境变化下，准确率均高于ORB算法，这主要是因为，OARL算法的三元组F范数有着良好的抗干扰性和应对局部表观变化的能力，并且具有旋转机制，从而使得改进算法具备较好的尺度和旋转不变性，缩小了与传统的SIFT和SURF算法之间在鲁棒性的差距。