《表1 不同算法的特征提取和匹配性能对比》

  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

《一种基于ORB特征和运动一致性的图像校正算法》

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

不同算法的特征提取和匹配性能对比如表1所示，本文算法维数32维，比传统SIFT算法128维和SURF算法64维都要低，这在特征匹配过程中会大大加快匹配速度。SURF算法由于使用了积分图和降维的特征描述子，因此在运行速度上比SIFT算法有所提高。当以上三种算法提取的特征点数量相近时，由于RANSAC算法剔除误匹配时需要消耗大量时间，使得SIFT算法和SURF算法最终校正完成时间较长。而本文算法提供的匹配错误非常少甚至零错误，所以在计算变换矩阵H时，RANSAC算法很快就收敛，节省了大量时间，最终校正完成时间为0.88 s，运行速度是传统SIFT算法的9倍，是SURF算法的5倍，体现出很好的实时性能。