张 洋， 吕 强， 林辉灿， 马建业

(装甲兵工程学院控制工程系， 北京 100072)

一种基于改进ORB的视觉SLAM图像匹配算法

张 洋， 吕 强， 林辉灿， 马建业

(装甲兵工程学院控制工程系， 北京 100072)

针对传统尺度不变特征变换(Scale Invariant Feature Transformation,SIFT)和加速鲁棒特征(Speed-Up Robust Feature,SURF)算法在视觉同步定位与建图(Simultaneous Localization And Mapping,SLAM)系统中耗时严重的问题，基于ORB(ORiented BRIEF(Binary Robust Independent Elementary Features))算法提出了一种改进的图像匹配算法。针对FAST(Features from Accelerated Segment Test)特征检测算子易受图像模糊和距离变化影响的缺点，建立了多尺度空间金字塔；针对BRIEF特征描述算子效率不高的问题，采用精简后的快速视网膜特征描述算子构建了特征向量；通过最邻近的交叉匹配对特征向量进行了提纯，采用顺序采样一致性算法剔除了错误匹配对。最后，通过与SIFT、SURF和ORB算法进行对比验证了改进算法的有效性。

视觉SLAM；FAST； 特征点检测； 特征匹配

视觉同步定位与建图(Simultaneous Localization And Mapping，SLAM)采用获取到的图像作为唯一的外部信息以估计机器人、相机的运动，同时构建环境地图。而视觉SLAM图像匹配算法又是地图探测、位姿调整过程中的核心问题，其主要分为基于区域的方法和基于特征的方法[1]。由于基于特征的方法对噪声、旋转、尺度变换、光照以及灰度变化等外界干扰具有更好的鲁棒性[2]，因此获得越来越广泛的研究和应用。Lowe[3]提出了尺度不变特征变换(Scale Invariant Feature Transformation，SIFT)特征检测算法，在图像进行不同尺度缩放时检测特征，实现了特征检测对尺度变化的适应性；Bay等[4]提出的加速鲁棒特征(Speed-Up Robust Feature，SURF)在SIFT的基础上运用harr图像进行积分求导，采用不同尺度的箱体滤波器与图像卷积，大大降低了计算消耗，提高了鲁棒性和计算速度。……