刘慧芳，甄国涌，储成群

(中北大学仪器与电子学院，太原 030051)

0 引言

随着我国工业自动化与信息化程度的提高，对工业生产中工件识别的准确性与实时性也提出了更高要求。传统的工件识别方法多为模板匹配技术，其中基于特征点检测与描述的图像匹配[1-3]方法由于其良好的旋转不变性、尺度不变性、抗噪不变性等特性成为了图像识别与匹配领域研究的热点。但是在工业零件分拣生产线上，工件图像往往会因为受到旋转、平移、噪声、尺度以及亮度等变化及影响导致识别效率不高，识别精度极差。

近年来，许多学者对基于局部特征与描述的图像识别与匹配算法做出了研究与改进。钟鹏程等[4]结合快速特征点提取和描述(ORB)算法[5-6]与快速鲁棒特征(SURF)算法[7]的优点，先利用ORB算法进行角点检测，然后为角点添加SURF特征描述符，最后用快速近似最近邻搜索算法进行特征点相似性度量完成工件图像匹配，对发生尺度、旋转变化的工作图像识别准确性有一定程度提高，但是当图像视角尺度发生极大变化时，匹配难度增长，误匹配对增多，降低了匹配精度；席剑辉等[8]为提高工件识别效率，在用SURF算法完成特征点检测与描述后，用欧氏距离进行了特征点匹配，并用随机抽样一致性(RANSAC)算法[9-10]找到满足局部最优模型的“内点”，提高了匹配的精度，但是当样本数据极多且外点比例所占过高时，会导致RANSAC算法计算局部最优模型时间呈指数增长，即使算法完成后可能还会有大量误匹配点存在；……