10.3969/j.issn.2095-2163.2023.08.011
基于自适应的AGAST特征均匀化提取算法
特征点的提取速率和均匀程度对视觉SLAM的性能具有重要影响.为了提高传统视觉SLAM系统的特征提取速率,实现对图像特征的均匀化提取,提出了一种基于自适应阈值的AGAST特征均匀化提取算法(QOARB).首先,通过构建图像金字塔,实现特征点的尺度不变性;其次,根据图像灰度值与方差计算AGAST角点的初始提取阈值,提高算法在不同图像上的特征提取速率;接着,用改进的四叉树方法来均匀筛选特征点;最后,采用灰度质心法,实现特征点的旋转不变性.实验结果表明,相较于ORB-SLAM2 中的特征提取方法,本文提出的QOARB算法在保证特征点均匀程度的同时,特征提取速率提高了10.65%,匹配正确率和正确匹配数分别提升 1.01%和 6%.
自适应阈值、AGAST、特征提取、改进四叉树、均匀分布
13
TP391(计算技术、计算机技术)
2023-10-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
66-72