《表1 本文算法光流跟踪匹配结果》

  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

《融合特征光流与角点特征的图像特征匹配算法研究》

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

本文在标准数据集和实拍数据集中分别选取连续的52帧双目序列图像进行实时性、特征匹配度以及准确率的测试，算法使用序列图像的前两帧作为特征提取预处理的初始化帧。设定ORB算法初始提取特征点总数为500。表1所示为本文LK-ORB算法光流跟踪匹配结果，从表中可以看出本文光流跟踪法精简了匹配对，剔除了误匹配点，使得跟踪后的特征点稳定性能得到了提高，特征跟踪平均匹配率可以达到98%以上。对比图6中ORB算法和图7中LK-ORB算法的匹配结果，不管是在室内还是室外场景下，ORB算法的匹配结果都存在误匹配，匹配效果并没有本文提出的算法鲁棒性好，且从表重实验数据可以看出在未使用LK光流跟踪算法时，初匹配误差达到了28.2%左右，而使用本文算法并结合RANSAC算法剔除误匹配，匹配度得到了很好的保证，误差也只有1.9%左右。图8所示为街道和广场两种场景实拍图像数据集的ORB算法和LK-ORB算法运行时间对比。由于金字塔特征光流跟踪算法的融合使得在单帧图像处理时间上增加了0.1s左右，但不会影响算法整体的实时性。特征光流跟踪算法的融合也使得被跟踪的ORB角点具有很好的鲁棒性，且本文算法的帧率可以达到19f/s。图9所示为LK-ORB算法对街道和广场两种图像数据集跟踪匹配结果，图中，TP表示跟踪点，OF TP表示光流点，RPM表示RANSAC点匹配。结果显示，本文算法可以稳定地跟踪特征点，并且可以得到较好的匹配效果。所有实验数据说明本文算法在实时性和鲁棒性上都得到了较好的结果，整体算法性能比ORB算法好。