机器人视觉导航的几种特征点方法比较.pdfVIP

增刊Ⅱ 许宪东．等：机器人视觉导航的几种特征点方法比较 计算Hessian矩阵的行列式值，褥到每个斑点响 导和二阶混合偏导；k为经验值，一般取0．04～ 应值，其中：D。，D，，和D。分别为滤波器与图像 0．06．当图像中一点的Harris算子R大于设定阈 卷积后的结果；∞是为了补偿在计算Hessian矩阵值T时，该点即为角点．Harris能够抗旋转变换， 时采用近似的高斯二次偏导函数而不是实际的高 特征检测器对噪声和光照变化具有很强的鲁棒 斯卷核而引入的一个参数．之后进行极值点检测 性，但是它对图像间的尺度缩放不具备不变性． 和精确定位，即通过非极大抑制，对尺度空间中的 1．4KLT算法 每一个像素与相邻上下尺度及本尺度周围的26 个邻域值进行比较，从而得到局部极大值和极小 在图像序列相邻2帧间的变化比较小的情况下， 值点．最后，利用三维二次方程的泰勒展开式进行 由2幅图像对应特征区域之间各像素点的灰度变 曲面拟合，实现兴趣点的精确定位，得到了兴趣点 化来求解二维特