基于特征点的目标识别系统研究.pdf

第35卷 第 1期 吉林 大 学学 报 (信 息科 学 版) V01．35 No．1 2017年 1月 JournalofJilinUniversity(InformationScienceEdition) Jan．2017 文章编号：1671-5896(2017)01-0043-06 基于特征点的 目标识别系统研究 夏 华，洪 伟，安学成 (吉林大学通信3-程学院，长春 130022) 摘要：在定位系统中，针对传统的SIFF(ScaleInvariantFeatureTransform)算法难以满足对墙角识别的实时性问 题 ，提出了一种改进的特征提取与描述算法 ，称为双阈值 FAsT(FeaturesfromAcceleratedSegmentTest)特征检 测的SIFT描述算法。该方法采用双阈值FAST进行特征提取，SIFT算法进行描述，可有效剔除大量非墙角特 征点，大大提高了目标识别系统的速度 。最后根据聚类与分类的思想 ，建立了视觉路标库，进行墙角的识别。 实验结果表明，该算法在保证匹配正确率的同时提高了系统的实时性。 关键词 ：双 目视觉；FAST-SIFT 算法 ；聚类；路标库 中图分类号：TP391 文献标识码：A ResearchonObjectRecognitionBasedonFeaturePoints XIA Hua，HONGWei，AN Xuecheng (CollegeofCommunicationEngineering，JilinUniversity，Changchun130022，China) Abstract：Inthepositioningsystem，thetraditionalSIFT(ScaleInvariantFeatureTransform)algorithm is difficulttomeetreal—time forthe comerrecognition problem ，an improved feature extraction and description algorithmisputforward，whichiscalledSIFTalgorithmofdoublethresholdFAST(FeaturesfromAccelerated SegmentTest)．ThismethodadoptsdoublethresholdFASTofrfeatureextraction，SIFTalgorithmforfeature descriptionwhichcaneffectivelyeliminatemanynon-comerfeaturepoints，greatlyimprovetherecognitionspeed ofthesystem．Accordingtothethoughtofclusterandclassification，webuildavisual landmarksdatabaseofr ceilingrecognition．Theexperimentalresultsshow thatthealgorithm canguaranteethecorrectmatchingrateand improvethereal-timeperfomr anceofthesystem． Keywords：binocularvision；featuresrfom acceleratedsegmenttest-scaleinvariantfeaturetransform(FAST． SIFT )algorihtm；cluster；landmarkdatabase 0 引 言 室内移动机器人绝对定位是机器人完成很多操作任务的前提和基础，通常的解决方案是利用三边测 量原理，即通过传感器的发射和接收装置，获取室内环境下3个路标的全局位置，以及路标到机器人的 距离以确定机器人 自身的位置 ¨卫。对于传感器的选择，因视觉传感器有其 自身的优势，同时也是 目前 的研究热点，广泛应用于机器人的定位与导