基于RANSAC算法的极线约束立体视觉匹配方法研究
基于最佳几何约束和RANSAC的特征匹配算法
基于最佳几何约束和RANSAC的特征匹配算法
宁小娟;李洁茹;高凡;王映辉
【期刊名称】《系统仿真学报》
【年(卷),期】2022(34)4
【摘要】为解决特征点匹配的质量与计算效率不能兼得的问题,研究了一种基于最佳几何约束和RANSAC(random sample consensus)的特征点匹配方法。
采用KNN(k-nearest neighbor)算法对提取到的特征点完成初始匹配,根据匹配点对连接线长度相等、斜率相同的特点,基于统计排序策略构建最佳几何约束,剔除明显错误匹配。
利用RANSAC算法进行二次过滤,确保特征匹配点对的正确率,同时给出实验结果加以验证。
结果表明:在正常光照下,与Lowe’s算法和GMS算法相比,该算法匹配到的点对数有了明显增加,同时很大程度上保证了特征点的质量。
【总页数】8页(P727-734)
【作者】宁小娟;李洁茹;高凡;王映辉
【作者单位】西安理工大学计算机科学与工程学院;陕西省网络计算与安全技术重点实验室;江南大学人工智能与计算机学院
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.一种基于几何约束的RANSAC改进算法
2.基于几何约束及0-1规划的视频帧间线段特征匹配算法
3.基于几何约束投票的图像特征匹配
4.基于运动平滑性与
RANSAC优化的图像特征匹配算法5.基于改进ORB和RANSAC算法的无人机影像特征匹配方法
因版权原因，仅展示原文概要，查看原文内容请购买。
基于RANSAC算法的三维重建技术研究
基于RANSAC算法的三维重建技术研究近年来，随着数字化技术越来越成熟，三维重建技术逐渐被广泛应用于人类生活中。
而基于RANSAC算法的三维重建技术则成为了其中非常受欢迎的一种。
一、RANSAC算法RANSAC全称为Random Sample Consensus，是一种基于统计原理的算法。
它的主要思想是随机从数据集中抽取若干个数据，再利用这些数据拟合出一个模型，然后判断其他数据是否符合这个模型，若符合则加入模型集合，反之则舍去。
重复此过程若干次，最终选出符合条件的模型集合。
RANSAC算法的优点是可以去除一定比例的异常值，能够在复杂噪声情况下较好地拟合数据，使得三维重建技术更加稳定可靠。
二、三维重建技术的流程三维重建技术主要包括以下三个步骤：数据采集、数据处理和数据呈现。
1.数据采集数据采集是三维重建技术的第一步，其目的在于获得原始数据。
目前，常用的数据采集方式有立体相机、激光雷达和深度摄像头等。
在数据采集过程中，需要掌握一些基本原则，比如采集足够多的数据，避免数据缺失；采集时要保证相机或传感器的固定，防止数据偏移；采集时需要特别注意背景颜色和光线强度等因素。
2.数据处理数据处理是三维重建技术的核心步骤，其目的是将原始数据转化为可供呈现的三维模型。
在数据处理过程中，需要进行以下几个步骤：点云处理、点云重建、点云拼接和网格化，其中点云处理是最重要的一步。
在点云处理过程中，通常需要利用RANSAC算法来去除异常值，提高数据拟合度。
3.数据呈现数据呈现是三维重建技术的最后一步，其目的在于将处理好的三维模型呈现给用户。
在数据呈现过程中，需要根据不同的应用场景选择合适的方式来进行呈现。
比如，可以通过虚拟现实技术来实现三维场景的模拟，或者通过其它软硬件工具来实现三维模型的可视化。
三、三维重建技术的应用基于RANSAC算法的三维重建技术在很多领域都得到了广泛应用。
比如，在文化遗产保护方面，可以利用三维重建技术来对古建筑进行数字化保护；在医学方面，可以利用三维重建技术对人体内部器官进行三维模拟，以帮助医师进行手术规划和模拟。
基于ORB和RANSAC算法的图像匹配查重算法
135
ORB 算法在本文的实践当中可以分解为如下几个步骤：
1.1 通过FAST算法寻找特征点
ORB 首先需要进行的是特征检测，这个步骤采用的 FAST 快速 选择关键点算法，选定特征点阈值参数，对于某一个像素点该点周 围 16 个像素来说，该点灰度值在该参数差值范围内则该点就是需 要寻找的关键特征点。
1.2 通过BRIEF算法产生图像特征描述
计算机与多媒体技术 Computer And Multimedia Technology
电子技术与软件工程 Electronic Technology & Software Engineering
基于 ORB 和 RANSAC 算法的图像匹配查重算法
丁一 （无锡城市职业技术学院 江苏省无锡市 214000）
摘 要：本文提出了一种基于 ORB 和 RANSAC 算法的图像匹配算法，该算法在实时性方面减少了消耗时间，在这个基础上有效的提升 了特征点的正确匹配率。实验结果表明该算法匹配更具有精确性和实时效率。
关键词：ORB；RANSAC 算法；图像匹配
随着线上教学资源的日益丰富。各大高校都普遍采用通过线上 与线下教学结合授课，并以过程化的分数考核替代传统的卷面考核。 相对于传统的着重于文字的重复率的查重，关键的信息载体图像以 图像识别匹配技术作为基础的图像查重算法的建立就尤为重要。本 相对传统的考核方式，过程化考核能够充分发挥学生的主观能动性， 更充分的把学生在课程学习中的知识发挥到实践应用当中，并能更 好地反映学生实践实际操作水平。但在学生的分数评价方面更主观、 更需要人工评判。因此，希望更客观地反映分数的同时，势必带来 更多的更复杂的工作量。而且，由此带来的抄袭等问题的分析与判 断也是需要注意的要点之一。在图像处理技术日益发展的今天，将 这种大量重复性很强的工作交给人来做是不合适的，文将 ORB 算 法应用于图片相似度匹配中，并且结合了 RANSAC 算法提高了匹 配的精确度。图像匹配算法可以针对学生实验报告中的特征点加以 提取，识别并分析重复率。给人工判断目标作品是否抄袭提供了参 考判断依据，这种算法在时效性方面大大减少了人工匹配消耗的时 间，并能够依靠计算机图像匹配技术有效地提高了准确率。这不仅 能够提高教师在教学过程中批改的客观性和效率，更能够使得学生 更加尊重考核的严肃性。同时，该算法属于图像处理方面的基础算 法，同时在人工智能学习方面的基础数据标记处理上也有很重要的 意义。
基于改进RANSAC的视觉定位方法_CN109829459A
背景技术 [0002] 目前，机器人视觉定位是一个研发热点，良好的图像配准是机器人视觉定位运动 的 前提 和关键 ，在确保配准的 前提下 ，提高配准速度也是至关重要的 。目 前 ，常 用的 基于特 征的图像匹配方法主要包括 ：特征提取、特征匹配、误匹配点对剔除。基于特征提取方法中 ， ORB特征是目前非常具有代表性的实时图像特征。在特征匹配中 ，对于二进制的描述子 (BRIEF—Binary Robust Independent ElementaryFeatures) ，往往采用汉明距离 (Hamming distance)作为度量。 [0003] 近几年来，无论采用何种图像匹配算法，由于光照、成像角度、几何变形，地物变化 等总会产生误匹配点，所以在图像匹配技术中，除了研究特征提取和特征匹配技术，还是需 要研究误匹配点检测技术，才能获得高精度的匹配结果。
代理人 赵荣之
(51)Int .Cl . G06K 9/32(2006 .01) G06K 9/62(2006 .01)
(10)申请公布号 CN 109829459 A (43)申请公布日 2019.05.31
( 54 )发明 名称 基于改进RANSAC的视觉定位方法
( 57 )摘要 本发明涉及一种基于改进RANSAC的视觉定
其中：K(x ,ε)表示数据和模型相关程度，ε表示误差小于设定阈值，x表示函数K的自变 量 ，loss (e) 表示 损失函数 ，Ii表示符合估计模型数据点的 权值 ，每个数据点的 初始值权值 为零。
5 .根据权利要求4所述的基于改进RANSAC的视觉定位方法，其特征在于：在步骤S6中， 通过更新数据集D的权值更新分组 ，根据数据点权值Ii等于零 ，大于零 ，小于零分为三组 ；如 果数据Ii等于零，分为不确定组φ0集合；如果Ii小于零源自分为“外点”组 集合；如果Ii大于
基于对极几何约束的SIFT匹配
基于对极几何约束的SIFT匹配作者：高晓明来源：《电子技术与软件工程》2017年第06期以系统图像三维重构的对极几何约束和SIFT匹配为主要研究内容，给出了SIFT特征匹配算法。
分析基于对极几何约束的SIFT匹配点检测的基本原理；研究了图像二维平面间的射影变换，并建立了相应的数学模型；通过应用某两幅灰度数字图像进行仿真验算，证明了对极几何约束的SIFT匹配的可行性；为相机系统识别目标在不同方位的特征信息提出了一种新的研究思路。
【关键词】三维重构 SIFT算法对极几何约束 RANSAC算法如何求解两幅图像中的对应点，是计算机视觉研究中的基本问题，也是计算机视觉高层次处理的基础。
通常，图像中对应点的求解分为两步：第一步，在图像中寻找一些与其邻域有较大区别的特征点；第二步，利用这些点在结构上或其它特征上的相似性进行点的匹配。
特征点通常位于图像中物体的边缘和象素灰度值变化较大的地方，如T型连接点和最大曲率点等。
1 SIFT特征匹配算法SIFT特征匹配算法包括两个阶段，第一阶段是SIFT特征向量的生成，即从多幅待匹配图像中提取出对尺度缩放、旋转、亮度变化无关的特征向量；第二阶段是 SIFT特征向量的匹配。
一幅图像 SIFT特征向量的生成算法总共包括3步：（1）尺度空间极值检测，以初步确定关键点位置和所在尺度；在检测尺度空间极值时，图中标记为叉号的像素需要跟包括同一尺度的周围邻域8个像素和相邻尺度对应位置的周围邻域9×2个像素总共26个像素进行比较，以确保在尺度空间和二维图像空间都检测到局部极值。
（2）通过拟和三维二次函数以精确确定关键点的位置和尺度，同时去除低对比度的关键点和不稳定的边缘响应点（因为DoG算子会产生较强的边缘响应），以增强匹配稳定性、提高抗噪声能力。
（3）利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数，使算子具备旋转不变性。
在实际计算时，我们在以关键点为中心的邻域窗口内采样，并用直方图统计邻域像素的梯度方向。
一种基于几何约束的RANSAC改进算法
一种基于几何约束的RANSAC改进算法穆柯楠;惠飞;曹健明;郭兰英【期刊名称】《计算机工程与应用》【年(卷),期】2015(000)004【摘要】图像拼接技术中消除特征点误匹配是一项重要环节，针对传统的消除误匹配的RANSAC算法迭代次数多，计算复杂度较大且不能完全消除误匹配等缺点，提出了一种基于几何约束的RANSAC改进算法。
该算法将几何约束法应用到RANSAC算法中，对图像特征匹配点进行聚类分组，根据每条匹配点对连接线的斜率应该相等、长度也应该相等这两个几何关系建立预判断模型，对匹配点对集合进行预提纯。
实验证明，该算法相较于传统的RANSAC算法，误匹配基本消除，迭代次数减少，计算效率提高，从而提高了图像匹配算法的效率。
%Eliminating false matching is an important part in image stitching technology. Traditional eliminating errone-ous matching method in the field of image stitching is RANSAC algorithm, but this method need numerous iterations and complex computation, and it often can not completely eliminate the false matching. Focusing on these shortcomings in RANSAC, this paper presents an improved RANSAC algorithm which is based on the geometric constraints. Clustering and grouping the matching points, then establishing a prejudgment geometric constraints model with the two geometric relationship between each couple of matching points:(1)the slope of each connection segment of each couple is equal and (2)the length of each connection segment of each couple is equal, to pre-purifymatching points. The experiments show that the algorithm compared to the traditional RANSAC algorithm, eliminates mis-matching, reduces the number of itera-tions, improves computational efficiency, thereby improves the efficiency of image matching algorithm.【总页数】4页(P205-208)【作者】穆柯楠;惠飞;曹健明;郭兰英【作者单位】长安大学信息工程学院，西安 710064;长安大学信息工程学院，西安 710064;长安大学信息工程学院，西安 710064;长安大学信息工程学院，西安710064【正文语种】中文【中图分类】TP263【相关文献】1.一种改进的几何约束分枝定界SLAM重定位算法 [J], 曹小兵;徐伊岑;郭剑辉;芮长颖2.一种基于SIFT和改进RANSAC的稳健图像拼接算法 [J], 姜小会;陈清奎;何强;栾飞;董志强3.基于改进的几何约束算法与卷积神经网络的车辆检测 [J], 周马莉;张重阳4.基于改进鱼群算法的几何约束求解 [J], 高雪瑶;刘云腾5.基于几何约束的改进SURF算法 [J], 易业曦;陆艳;肖业夫;周政雷;刘运毅因版权原因，仅展示原文概要，查看原文内容请购买。
基于RANSAC算法的极线约束立体视觉匹配方法研究
基于RANSAC算法的极线约束立体视觉匹配方法研究
张培耘;华希俊;夏乐春;符永宏
【期刊名称】《组合机床与自动化加工技术》
【年(卷),期】2013(000)011
【摘要】立体视觉匹配一直是机器视觉和模式识别领域中的一个重要问题.极线约束是立体匹配中的基本约束之一,为进一步提高立体匹配精度和效率,在对极线约束数学描述推导的基础上,通过求解基本矩阵得到相应匹配点的极线,提出了求解基本矩阵的一般算法,即采用RANSAC算法.首先得到特征点的初始匹配点对,然后运用7点算法将初始匹配点对划分为内点和外点,最后用所有的内点来重新计算优化基本矩阵,并通过对实际图像的立体视觉匹配实验,以验证该匹配算法的有效性.
【总页数】3页(P20-22)
【作者】张培耘;华希俊;夏乐春;符永宏
【作者单位】江苏大学机械工程学院,江苏镇江212013;江苏大学机械工程学院,江苏镇江212013;江苏大学机械工程学院,江苏镇江212013;江苏大学机械工程学院,江苏镇江212013
【正文语种】中文
【中图分类】TH165;TG659
【相关文献】
1.基于互信息的亚像素级立体视觉点匹配方法研究 [J], 孙少杰;杨晓东;任继昌
2.基于极线约束与激光标识的空间焊缝的立体视觉检测 [J], 李鹤喜;石永华;王国荣;
张为民
3.基于RANSAC算法的立体视觉图像匹配方法 [J], 董明利;王振华;祝连庆;孙雨南;吕乃光
4.采用极线约束与圆窗口匹配的立体视觉检测 [J], 李鹤喜;石永华;王国荣;肖心远
5.一种基于极线约束的最小二乘匹配方法研究 [J], 李春燕;董明利;祝连庆;吕乃光因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进RANSAC算法的图像自动拼接技术
基于改进RANSAC算法的图像自动拼接技术张世良【摘要】图像拼接技术关键在于图像配准和算法效率,针对传统的图像特征匹配算法数据量大、计算耗时长的缺点,将K-means聚类算法应用到图像匹配算法中,提出了一种解决该问题的改进算法。
该方法利用K-means聚类算法对图像提取出的角点对先进行聚类分组,然后采用预判断模型和分组随机选取的方法来提高传统算法效率。
实验结果表明,该算法相比于传统的RANSAC算法,在保持较高的精度和鲁棒性的情况下,大大提高了计算效率,有助于提高图像的自动拼接的效率。
%The key of image mosaicing technique lies in both image registration and the efficiency of the algorithm.According to the characteristics of the traditional image feature-matching algorithm with the disadvantages of a large quantity of data of corner point pairs and time-consuming calculation,this paper applies K-means clustering algorithm to the image-matching algorithm and proposes the improved method.This method uses K-means clustering algorithm to make the corner points extracted from the image clustered and grouped and improves the efficiency of the traditional algorithm through a pre-detection model and a stochastic grouping method.The experimental results show that,compared with the traditional RANSAC algorithm and under the condition of keeping higher precision and robustness,this algorithm greatly improves the calculation efficiency,whereby contributing to the efficiency of automatic image-mosaic.【期刊名称】《三明学院学报》【年(卷),期】2012(029)002【总页数】5页(P46-50)【关键词】RANSAC算法;图像拼接;特征点匹配;抽样次数;Harris角点【作者】张世良【作者单位】宁德师范学院计算机系,福建宁德352100【正文语种】中文【中图分类】TP391.41经过众多专家、学者几十年对图像匹配算法的研究，取得了很大的进展，如由英国牛津大学的Smith等人提出的SUSAN算法[1-2]，该算法简洁，定位准确而无须进行梯度运算，但对角点和边界点区分能力较差，可能将噪声误检为角点等。
基于sift、对极几何和ransac配准的图像拼接方法
基于sift、对极几何和ransac配准的图像拼接方法林克全;劳卫伦【摘要】In recent years,the panoramic image has been widely used.More and more scenes need to be displayed in a panoramic picture.This paper applies image feature extraction and fusion technology for mosaicking images taken under the conditions of different displacement of the camera. This paper extracts the SIFT features of different images, and analyzes the features based on epipolar geometry and RANSAC algorithm to discard false matches and find more matches. Therefore, the feature registration and transformation matrix are calculated to improve the accuracy of image registration and image mosaic.%近年来，全景图像已经得到广泛的应用，越来越多场景需要全景图片的展示。
本文结合图像特征提取及融合技术，对在摄像机不同位移情况下拍摄的照片进行拼接。
通过对不同图像的sift特征值提取，并结合对极几何和ransac算法对sift特征值进行分析，剔除错误特征点，进行特征点配准，计算图像间的特征配准及变换矩阵，以提高图像配准的准确度，实现不同图像的拼接。
一种直线段匹配的新方法
一种直线段匹配的新方法
傅丹;王超;徐一丹;周剑;于起峰
【期刊名称】《国防科技大学学报》
【年(卷),期】2008(030)001
【摘要】直线特征在人造目标和环境中普遍存在,直线段的匹配是三维重建等应用领域的首要解决问题.一般单直线的匹配方法难以解决被部分遮挡直线的匹配问题,提出了一种基于极线约束和RANSAC算法的匹配方法.对直线段上的点运用基于极线约束的匹配方法在另一幅图像中进行点的同名匹配,采用RANSAC算法建立直线模型,剔除野值,得到匹配直线段.本方法能有效地解决图像中被部分遮挡直线段的匹配问题,仿真实验和实际图像实验证实了本算法的正确性和高精度.
【总页数】5页(P115-119)
【作者】傅丹;王超;徐一丹;周剑;于起峰
【作者单位】国防科技大学航天与材料工程学院,湖南,长沙,410073;国防科技大学航天与材料工程学院,湖南,长沙,410073;国防科技大学航天与材料工程学院,湖南,长沙,410073;国防科技大学航天与材料工程学院,湖南,长沙,410073;国防科技大学航天与材料工程学院,湖南,长沙,410073
【正文语种】中文
【中图分类】O1
【相关文献】
1.一种水驱曲线直线段合理性判断新方法 [J], 刘英宪;马奎前;穆朋飞;邓琪
2.一种确定水驱曲线直线段合理性的新方法 [J], 刘英宪;任晓宁;马奎前;周海燕
3.一种家居监控机器人的角及平直线段匹配的组合定位方法 [J], 谭福生;杨军;申纯太
4.直线段的重力场匹配水下导航新方法 [J], 吴太旗;黄谟涛;边少锋;肖冠华
5.一种基于角点的直线段特征提取新方法 [J], 李竹林;刘芬;赵宗涛
因版权原因，仅展示原文概要，查看原文内容请购买。
一种基于RANSAC基本矩阵估计的图像匹配方法
ｄ ｎ ｅ ｏ ｔｉ ｒ ，ｉ ｉ ｉ ｃ ｌ ｏ ｅ ｔｍａ ｅ ｔ ｅ ｆ ｎ ａ ｅ ｔ ａ ｒ ．Ｉ ｈ ｓ ｐａ ｅ ， ｔ ｏ ａ ｅ ｎ ｔ ｅ ｅ ｃ ｕ ｌ ｓ ｔ ｓ ｄ ｆ ｕ ｔｔ ｓ ｉ ｔ ｈ ｄ ｅ ｉ ｕ ｍ ｎ ａ ｍ ｔｉ ｌ ｘ ｎ ｔ ｉ ｐ ｒ ａ ｍｅ ｈ ｄ ｂ ｓ ｄ ｏ ｈ
维普资讯
第 雅 ｌ 擘 ２ ｌ ｉ
ｌ ０－ｌ ｌ Ｉ 壤
０ ００ －
ｊ 暑
文章 编 号 ： １７．７５２０ ） ． ０・４ ６２ ８（０８０ ０ ５ ８ ２０ ０
一
ቤተ መጻሕፍቲ ባይዱ
种 基 于 ＲＡＮＳ ＡＣ基 本 矩 阵 估 计 的 图 像 匹 配 方 法
ＲＡＮＳ ＡＣ ｌ ｏ ｉｈ ａ ｇ ｒｔ ｍ ｏ ｎ ａ ｎ ａ ａ ｒｘ ｅ ｔｍ ａ ｉ ｎ ａ ｔ ｒ ｃ ｏ ｄｉ ａ ｅ ｎ ｒ ｌ ｉ ａ ｉ ｎ ｉ ｕ ｏ ｗａ ｄ ｆ ｒ ｆ ｄ ｍｅ ｔ ｍ ｔ ｉ ｓ ｉ ｔｏ ｆｅ ｏ ｒ ｎ ｔ ｏ ｍａ ｚ ｔｏ ｓ ｐ ｔ ｆ ｒ ｒ ． ｕ ｌ Ｔｈ ｓ ｔ ｅｅ ｔｍ ａ ｉ ｎ ｅ ｒ ｒｄ ｅ ｔ ｈ ｓ ａ ｃ ｉ ｇ ｐｏ ｎ ｓｉ ｌ ｎ ｔ ｄ．Ｔｈｅｒ ｓ ｌ ｓ ｏ ｈ ｔｔ ｅ ａ ｖ ｕ ， ｈ ｓ ｉ ｔｏ ｒ ｏ ｕ ｏ ｔ ｅ ｍｉｍ ｔ ｈ ｎ ｉ ｔ ｅｉ ｓ ｍｉ ａ ｅ ｅ ｕ ｔ ｈ ｗｓ ｔ ａ ｈ ｂｏ ｅ
要 的 几 何 关 系 ，描 述 了对 应 点 之 间 应 满 足 的 极
收 稿 日期 ：２０ －０ １ ０ ７１ －８ 基金 项 目：国家 重 点实 验 室基 金 （１ｏ ｌ０００ ０） ９４ ｃ ２４２ ６８
ｏ ｈｎ， ａ ａ ３０ １ Ｃ ｉ ） ｆ ｉａ Ｔ ｕｎ ００５， ｈｎ Ｃ ａ
基于RANSAC的PCA-SIFT立体匹配方法研究
基于RANSAC的PCA-SIFT立体匹配方法研究刘奥丽;王海晖;肖永强;王子维;章刘斌【期刊名称】《图像与信号处理》【年(卷),期】2016(005)003【摘要】针对传统的SIFT (Scale-Invariant Feature Transform)匹配算法数据量大,耗时长的问题,采用主成分不变特征变换PCA-SIFT (Principal Component Analysis, PCA)匹配算法。
PCA-SIFT匹配算法将传统SIFT算法中的直方图法换做主元分析法,降低了传统SIFT特征描述符的维数,减少了数据量,提高了匹配效率。
首先提取出两幅待匹配图像中的所有特征描述子,其次将提取出的特征描述子采用距离比阈值筛选出匹配点对,再采用RANSAC (Random Sample Consensus)法消除错配,最后得到精确的匹配结果。
实验结果表明,PCA-SIFT + RANSAC算法较稳定、精确、快速。
【总页数】7页(P105-111)【作者】刘奥丽;王海晖;肖永强;王子维;章刘斌【作者单位】[1]武汉工程大学计算机科学与工程学院,湖北武汉;;[2]智能机器人湖北省重点实验室(武汉工程大学),湖北武汉;;[1]武汉工程大学计算机科学与工程学院,湖北武汉;;[1]武汉工程大学计算机科学与工程学院,湖北武汉;;[1]武汉工程大学计算机科学与工程学院,湖北武汉【正文语种】中文【中图分类】TP39【相关文献】1.改进的RANSAC立体匹配算法的研究 [J], 孔祥思2.改进的RANSAC立体匹配算法的研究 [J], 孔祥思;3.基于PCA-SIFT的立体匹配算法 [J], 宋淳恺4.基于RANSAC的地铁盾构始发洞门环拟合方法研究 [J], 孟庆年;张洪德;王智;胡玉祥;周志5.基于RANSAC的道路影像控制点选取方法研究 [J], 方林波;石昊苏;路雅宁;武鹏辉因版权原因，仅展示原文概要，查看原文内容请购买。
改进的RANSAC立体匹配算法的研究
改进的RANSAC立体匹配算法的研究
孔祥思
【期刊名称】《北京建筑工程学院学报》
【年(卷),期】2017(033)004
【摘要】图像匹配的精度在很大程度上决定着三维重建的成功与否.为了提高图像匹配的精度和速度,提出了一种改进的随机抽样一致性(RANSAC)算法的图像匹配方法.该方法首先采用Harris角点检测算子提取图像的特征点,然后通过SIFT算法计算特征描述子对图像进行初匹配,最后采用改进的RANSAC算法对误匹配点进行剔除,在保证精度的前提下提高了算法的速度.主要从两个方面进行RANSAC算法的改进:采用均匀分布9点算法生成的基本矩阵代替常规方法中的单应矩阵作为模型进行计算,使得模型具有较高的鲁棒性;使用随机块选取法选择样本,保障了选点的均匀分布性并且保证了精度.实验结果表明,此方法不仅能够得到较高的精确度,而且还大幅度减少了计算量,提高了匹配速度.
【总页数】6页(P39-44)
【作者】孔祥思
【作者单位】北京建筑大学测绘与城市空间信息学院,北京100044
【正文语种】中文
【中图分类】P237
【相关文献】
1.改进的RANSAC立体匹配算法的研究
2.基于改进RANSAC算法的PCB板定位方法的研究
3.基于改进SIS算法和顺序RANSAC的车道线检测方法研究
4.点云配准RANSAC算法研究改进
5.基于Harris3D关键点提取和RANSAC算法的改进ICP算法研究
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摘要： 立体 视 觉 匹配 一 直 是 机 器视 觉 和模 式 识 别 领 域 中的 一 个 重 要 问题 。极 线 约 束 是 立 体 匹配 中 的 基
本 约束之 一 ， 为进一步提 高立体 匹配精度和效率 ， 在 对极线 约束数 学描 述推导 的基础上 ， 通过 求解基本 矩 阵得到 相应 匹配点 的极 线 ， 提 出 了求解基 本矩 阵 的一般 算 法 ， 即采 用 Ｒ Ａ Ｎ Ｓ Ａ Ｃ算 法。首先得 到 特征 点的初始 匹配点对 ， 然后运 用 ７点算法将初始 匹配点对划分为 内点和 外点 ， 最后 用所有的 内点来重新计 算优化基 本矩 阵， 并通过 对实际 图像的立体视 觉 匹配 实验 ， 以验证该 匹配算法的有效性 。 关键 词 ： 极 线 约束 ； 基 本矩 阵 ； Ｒ Ａ Ｎ Ｓ Ａ Ｃ算法 ； 立 体 匹配
Ｅｐ ｉ ｐ ｏ ｌ ａ ｒ ｌ ｉ ｎ ｅ ｃ ｏ ｎｓ ｔ ｒ ａ ｉ ｎ ｔ ｓ ａ ｒ ｅ ｏ ｆ ｔ ｅ ｎ ｅ ｍｐ ｌ ｏ ｙ ｅ ｄ ｉ ｎ ｔ ｈ ｅ ｓ ｔ ｅ ｒ ｅ ｏ ｍａ ｔ ｃ ｈ ｉ ｎ ｇ．Ｔｈ ｅ ｍａ ｔ ｈ ｅ ｍａ ｔ ｉ ｃ ｄ ｅ ｓ ｃ ｉｐｔ ｒ ｉ ｏ ｎ ｏ ｆ ｔ ｈ ｅ ｅ ｐ ｉ ・
第 ｌ １期
２ ０ １ ３年 ｌ １月
组 合 机 床 与 自 动 化 加 工 技 术
Ｍ ｏ ｄｕ ｌ ａ ｒ Ｍ ａ ｃ ｈ ｉ ｎ ｅ Ｔｏ ｏ ｌ＆ Ａ ｕ ｔ ｏ ｍ ａｔ ｉ ｃ Ｍ ａ ｎ ｕｆ ａ ｃ ｔ ｕｒ ｉ ｎｇ Ｔｅ ｃ ｈｎｉ ｑｕ ｅ
ＮＯ． １ １
Ｚ ＨＡＮＧ Ｐ ｅ ｉ — ｙ ｕ ｎ，ＨＵ Ａ Ｘｉ — ｊ ｕ ｎ，ＸＩ Ａ Ｌ ｅ — ｃ ｈ ｕ ｎ，Ｆ Ｕ Ｙ ｏ ｎ ｇ — ｈ ｏ ｎ ｇ （ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｍｅ ｃ ｈ ａ ｎ ｉ ｃ ａ ｌ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ，Ｊ ｉ ａ ｎ ｇ ｓ ｕ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ，Ｚ ｈ ｅ ｎ ｊ ｉ ａ ｎ ｇ Ｊ ｉ ａ ｎ ｇ ｓ ｕ ２ １ ２ ０ １ ３，Ｃ ｈ ｉ ｎ ａ ）
中图分类 号 ： Ｔ Ｈ１ ６ ５： Ｔ Ｇ６ ５ ９ 文 献标识码 ： Ａ
Ｓｔ ｅ ｒ ｅ ｏ Ｍａ ｔ ｃ ｈｉ ｎｇ ｗｉ ｔ ｈ Ｅｐｉ ｐ ｏｌ ａｒ Ｌｉ ｎｅ Ｃｏｎ ｓ ｔ ｒ ａ ｉ ｎ ｔ ｓ Ｂａ ｓ ｅ ｄ ｏ ｎ Ｒ ＡＮＳＡＣ Ａｌ ｇ ｏ ｒ ｉ ｔ ｈｍ
ｐ ｏ ｌ ａ ｒ ｌ ｉ ｎ ｅ ｃ ｏｎ ｓ ｔ ｒ ａ ｉ ｎ ｔ ｓ ｉ ｓ ｄ ｅ ｄ ｕ ｃ ｅ ｄ ｉ ｎ ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ． Ｔｈ ｅ ｃ ｏ ｒ ｒ ｅ ｓ ｐ ｏ ｎ ｄ ｉ ｎ ｇ ｅ ｐ ｉ ｐ ｏ ｌ ａ ｒ ｌ ｉ ｎ ｅ ｏ ｆ ｔ ｈ ｅ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｐ ｏ ｉ ｎ ｔ ｓ ｉ ｓ ｏ ｂ —
Ａ ｂｓ ｔ ｒ ａｃ ｔ ：Ｓ ｔ ｅ ｒ ｅ ｏ ｍａ ｔ ｃ ｈ ｉ ｎ ｇ ｉ ｓ ａ ｎ ｉ ｍｐ ｏ ｒ ｔ ａ ｎ ｔ ｐｉｅ ｆ ｌ ｄ ｏ ｆ ｍａ ｃ ｈ ｉ ｎ ｅ ｖ ｉ ｓ ｉ ｏ ｎ ａ ｎ ｄ ｐ ａ ｔ ｔ ｅ ｒ ｎ ｒ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ ．
ＮＯＶ ．２ ０１ ３
文章编号 ： １ ０ ０ １ — ２ ２ ６ ５ （ ２ ０ １ ３ ） １ １— ０ ０ ２ ０— ０ ３
基于 Ｒ Ａ Ｎ Ｓ Ａ Ｃ算法 的极线约束 立体视觉 匹配方法研 究 术
张培 耘 ， 华希俊 ， 夏 乐春 ， 符 永 宏
（ 江苏 大学 机 械工 程学 院 ， 江苏 镇江 ２ １ ２ ０ １ ３ ）
ｎ ｅ ｒ ｐ ｏ ｉ ｎｔ ｓ ａ ｎ ｄ ｏ ｕ ｔ ｅ ｒ ｐｏ ｉ ｎ ｔ ｓ ．Ａｌ ｌ ｔ ｈ ｅ ｉ ｎ ｎ ｅ ｒ ｐ ｏ ｉ ｎ ｔ ｓ ａ ｒ ｅ ｅ ｍｐ ｌ ｏ ｙ ｅ ｄ ｔ ｏ ｒ ｅ ｉｎ ｆ ｅ ｔ ｈ ｅ ｆ ｕｎ ｄ ａ ｍｅ ｎ ｔ ａ ｌ ｍａ ｔ ｒ ｉ ｘ ａ ｔ ｌ ａ ｓ ｔ ． Ｔｈ ｅ
ｔ ａ ｉ ｎ ｅ ｄ ｂ ｙ ｓ ｏ ｌ ｖ ｉ ｎ ｇ ｔ ｈ ｅ ｆ ｕ ｎ ｄ ａ ｍｅ ｎ ｔ ａ ｌ ｍａ ｔ ｒ ｉ ｘ ｉ ｎ ｏ ｒ ｄ ｅ ｒ ｔ ｏ ｉ ｎ ｃ ｒ ｅ ａ ｓ ｅ ｓ ｔ ｅ ｒ ｅ ｏ ｍａ ｔ ｃ ｈ ｉ ｎ ｇ ｑ ｕ ａ ｌ ｉ ｔ ｙ ａ ｎ ｄ ｅ ｉｃ ｆ ｉ ｅ ｎ ｃ ｙ． Ｓ ｅ ｖ ｅ ｒ — ａ ｌ ａ ｌ ｇ ｏ ｉｔ ｒ ｈ ｍｓ ａ ｒ ｅ ｐ ｒ ｏ ｖ ｉ ｄ ｅ ｄ ｆ ｏ ｒ ｄ ｅ ｔ ｅ ｒ ｍｉ ｎ ｉ ｎ ｇ ｔ ｈ ｅ ｆ ｕ ｎ ｄ ａ ｍｅ ｎ ｔ ａ ｌ ｍａ ｔ ｉｘ ｒ ． Ｔｈｅ ＲＡＮ Ｓ ＡＣ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｉ ｓ ａ ｄ ｏ ｐ ｔ ｅ ｄ ｔ ｏ ａ ｃ ｑ ｕ ｉ ｒ ｅ ｔ ｈ ｅ ｏ ｒ ｉ ｇ ｉ ｎ ａ ｌ ｍａ ｔ ｃ ｈｉ ｎ ｇ ｐ ｏ ｉ ｎ ｔ ｓ，ａ ｎ ｄ ｔ ｈ ｅ ７ Ｐ ｏ ｉ ｎ ｔ ｓ Ａｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｉ ｓ ｕｓ ｅ ｄ ｔ ｏ ｃ ｌ ａ ｓ ｓ ｉ ｆ ｙ ｔ ｈ ｅ ｏ ｒ ｉ ｇ ｉ ｎ ａ ｌ ｐ ｏ ｉ ｎｔ ｓ ｔ ｏ ｉ ｎ —