面向大规模SFM的快速鲁棒特征跟踪算法.pdf下载

面向大规模SFM的快速鲁棒特征跟踪算法.pdf,运动恢复结构（SFM）是指通过分析二维图像序列恢复三维结构信息的过程，在计算机视觉的多种应用中起着重要的作用。特征跟踪是大规模SFM的核心组成部分，但现有的多视图特征跟踪算法在鲁棒性和效率上还存在不足，为解决这一问题，提出了一种快速和鲁棒的特征跟踪(FRFT)算法。首先，采用AGAST进行特征点检测，并使用图像矩为AGAST特征定义主方向，为构造旋转不变的描述子奠定基础；其次，在差分高斯金字塔空间内，根据中心点与邻域像素之间的差值构造特征描述子，避免光照和尺度变化对特征匹配的影响；再次，为了提高特征匹配效率，对特征集合进行聚类，采用 KD Tree加速特征匹配，提高算法的时间效率；最后，采用4种方式对FRFT算法进行验证，并与现有经典算法进行比较。实验结果表明，FRFT算法在鲁棒性和时间效率方面均优于现有经典算法。