张明路，王 帅，张小俊，高 涵

（河北工业大学 机械工程学院，天津300130）

1 引言

为了提高机械臂抓取装配工件过程中的识别效率和准确度，依托机器视觉的物体识别抓取系统逐渐得到应用和发展。在获取工件图像过程中由于存在尺度、光照、旋转等因素干扰，难以实现对物体的准确识别。基于局部特征的图像描述子具有抗干扰能力强，鲁棒性好的优点，成为图像匹配、识别的主要提取信息。

其中文献[1]提出一种加速版的特征提取算法—SURF（Speeded-Up Robust Features），该方法采用基于Hessian 矩阵的特征检测算子，对特征提取速度有一定的提高，但是距离图像处理实时性要求还有一定差距，匹配准确度还不够高。文献[2]中提出基于双向K 最近邻搜索方法，来进行特征点的预匹配，之后再进行RANSAC 算法的精匹配，但是该方法在使用双向检索的过程中并没有减少特征点之间距离的计算量，在匹配阶段同样对于特征点的筛选没有经过模型的优化，导致匹配时间缩短有限。文献[3]提出一种基于加速Hessian 矩阵特征检测器算法（H_SURF），实现了在SURF 特征检测阶段速度的提高，但是该方法需要对不同的应用场景设置不用的Hessian 阈值，需要手动调节的参数较多，并且在光照变换较大的情况下准确率明显降低。文献[4]将SURF 算法应用于高光谱影像端元的提取中，提出了在多维尺度空间中寻找端元的新算法，该算法在精度和鲁棒性方面有较好的效果。文献[5]利用图像分块和SURF 特征相结合，将图像分割成不同的块，在人脸特征识别中取得了较好的效果。……