基于改进的SIFT特征点的双目定位

李德隆; 刘伟

doi:10.12052/gdutxb.150108

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于改进的SIFT特征点的双目定位

综合研究 | 更新时间：2026-05-27

- 基于改进的SIFT特征点的双目定位
- Object Location for Binocular Stereo Vision Based on Improved SIFT Feature
- 广东工业大学学报 2017年34卷第1期页码：90-94
- 作者机构：
- 作者简介：
  
  李德隆(1992-),男,硕士研究生,主要研究方向为机器视觉.
- 基金信息：
  
  广东省战略性新兴产业发展专项（2012A090100014）
- DOI：10.12052/gdutxb.150108
  中图分类号： TP242
- 网络首发：2017-01-09，
  
  纸质出版：2017
- 稿件说明：
移动端阅览
李德隆, 刘伟. 基于改进的SIFT特征点的双目定位[J]. 广东工业大学学报, 2017, 34(1): 90-94.

Li De-long, Liu Wei. Object Location for Binocular Stereo Vision Based on Improved SIFT Feature[J]. 2017, 34(1): 90-94.
李德隆, 刘伟. 基于改进的SIFT特征点的双目定位[J]. 广东工业大学学报, 2017, 34(1): 90-94. DOI： 10.12052/gdutxb.150108.

Li De-long, Liu Wei. Object Location for Binocular Stereo Vision Based on Improved SIFT Feature[J]. 2017, 34(1): 90-94. DOI： 10.12052/gdutxb.150108.

摘要

立体匹配是双目视觉中最重要的步骤，同时也是最难解决的一个问题.传统的区域立体匹配得到的视差图对无纹理区域难以保留深度不连续的特性，获得目标三维信息速度慢、不准确.本文提出一种改进的SIFT算法，首先通过对采集的左右图像进行极线约束，其次从左图中选择目标区域ROI，再降低特征向量维数来减少耗时，采用基于KD树的BBF算法加快匹配速度，最后用RANSAC算法去除误匹配.实验表明改进的SIFT算法能够迅速准确地得到目标物的特征点，从而利用三角测量法快速地计算出目标三维坐标.

Abstract

Stereo matching is the most important step in binocular vision

and it is also the most difficult problem to solve. The traditional stereo matching to get the regional disparity map is just passable

for the characteristics of the non-texture regions are difficult to retain the depth map discontinuing

so getting the 3D information of the target is slow and inaccurate

Therefore

a new SIFT image matching is proposed

firstly

making the epipolar constraint on the left and right image; secondly

selecting the ROI of target from the left of binocular images

and reducing running time by reducing the dimension of feature vectors and accelerating the matching speed by using BBF algorithm based on KD tree

and finally

removing the false matching by using RANSAC algorithm. The experiment results show that the improved SIFT algorithm can get the target's feature points quickly and accurately

so the 3D coordinates can be calculated by the triangulation method speedy.

关键词

Keywords

references

孟浩, 程康. 基于SIFT特征点的双目视觉定位[J]. 哈尔滨工程大学学报, 2009, 30(6):649-652. MENG H, CHENG K. Object location technique for bino-cular stereo vision based on scale invariant feature transform feature points[J]. Journal of Harbin Engineering University, 2009, 30(6):649-652.

李耀云, 贾敏智. 基于Harris-SIFT算法的双目视觉定位[J]. 电视技术, 2013, 37(9):23-26.LI Y Y, JIA M Z. Object location technique for bin-ocular stereo vision based on harris-SIFT algorithm[J]. Video Engineering, 2013, 37(9):23-26.

王晓华, 傅卫平. 零件的双目视觉识别定位与抓取系统[J]. 制造业自动化, 2010, 32(11):129-131.WANG X H, FU W P. Research on recognition and location system of work-piece based on binocular vision[J]. Manufacturing Automation, 2010, 32(11):129-131.

李瑞峰, 李庆喜. 机器人双目视觉的标定与定位算法[J]. 哈尔滨工业大学学报, 2007, 39(11):1719-1723.LI R F, LI Q X. Calculation of the position between mobile robot and object based on two CCD cameras[J]. Journal of Harbin Institute of Technology, 2007, 39(11):1719-1723.

李晓飞, 宋亚男, 徐荣华, 等. 基于双目视觉的船舶跟踪与定位[J]. 南京信息工程大学学报, 2015, 7(1):46-52.LI X F, SONG Y N, XU R H, et al. Tracking and positioning of ship based on binocular vision[J]. Journal of Nanjing University of Information Science & Technology, 2015, 7(1):46-52.

申琳.高精度双目CCD测距研究[D]. 长春:长春理工大学光电工程学院, 2011.

王玉翰, 金波. 基于双目立体视觉的深度信息测量[J]. 机电工程技术, 2015, 44(3):34-38. WANG Y H, JIN B. Depth information measurement based on binocular stereo vision[J]. Mechanical & Electrical Engineering Technology, 2015, 44(3):34-38.

王婷婷, 李戈, 赵杰, 等. 基于双目视觉的运动目标检测跟踪与定位[J]. 机械与电子, 2015, 6:73-76. WANG T T, LI G, ZHAO J, et al. Detection, tracking and positioning of moving target based on binocular vision[J]. Machinery & Electronics, 2015, 6:73-76.

刘浩, 李晋惠, 乔永兴, 等. 基于计算机双目视觉的火灾定位问题的研究[J]. 科技信息:学术版, 2008, 22:67-68. LIU H, LI J H, QIAO Y X, et al. Research on the problem of fire location based on computer binocular vision[J]. Science & Technology Information:Academic Edition, 2008, 22:67-68.

孙伟, 钟映春, 谭志, 等. 多特征融合的室内场景分类研究[J]. 广东工业大学学报, 2015, 32(1):75-79.SUN W, ZHONG Y C, TAN Z, et al. Research on multi-featured fusion for indoor scene recognition[J]. Journal of Guangdong University of Technology, 2015, 32(1):75-79.

雷禹, 何家峰. 基于改进SURF算法的SAR图像目标匹配[J]. 广东工业大学学报, 2014, 31(1):65-69. LEI Y, HE J F. SAR image target matching based on the improved SURF algorithm[J]. Journal of Guangdong University of Technology, 2014, 31(1):65-69.

阳吉斌, 胡访宇, 朱高. 基于改进SURF算法的遥感图像匹配[J]. 电子测量技术, 2012, 35(3):69-72. YANG J B, HU F Y, ZHU G. Remote sensing image registration based on improved SURF[J]. Electronic Measurement Technology, 2012, 35(3):69-72.

刘萍萍, 赵宏伟, 臧雪柏, 等. 移动机器人定位图像匹配的快速局部特征算法[J]. 仪器仪表学报, 2009, 30(8):1714-1718. LIU P P, ZHAO H W, ZANG X B, et al. Fast local feature algorithm applied to mobile robot localization image matching[J]. Chinese Journal of Scientific Instrument, 2009, 30(8):1714-1718.

BAY H, ESS A, TUYTELAARS T, et al. Speeded-up robust features (SURF)[J]. Computer Vision and Image Understanding, 2008, 110(3):346-359.

LOWE D G. Distinctive image features from scale-invariant key points[J]. International Journal of Computer Vision, 2004, 60(2):91-110.

Zhang Z. A flexible new technique for camera calibration[J]. Transactions on Pattern Analysis and Machine Intelligence, 2000, 20(11):1330-1334.

Zhang Z. Flexible camera calibration by viewing a plane from unknown orientations[C]//Proceeding of IEEE International Conference on Computer Vision.[S.l.]:IEEE, 1999, 11(1):666-673.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于AAGV-YOLOX模型的输电线路异物检测研究

基于数字混频的脉冲式激光测距方法的研究与实现

基于PSI技术的福州市地面形变监测与影响因素分析

面向灾后救援的多无人机通感算一体化资源分配优化方法

融合沟道倾斜角的3D NAND存储单元建模及编程策略优化