资源描述：
《移动机器人定位图像匹配快速局部特征算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、移动机器人定位图像匹配的快速局部特征算法*刘萍萍1,2，赵宏伟1,2，臧雪柏1，王 慧1（1 吉林大学计算机科学与技术学院 长春 130012;2 吉林大学符号计算与知识工程教育部重点实验室 长春 130012）摘 要：利用定位图像的局部特征进行移动机器人导航和定位是近年来该领域的研究热点。针对经典局部特征提取和描述算法实时性不好，提出一种快速局部特征（fastlocalfeature,FLF）的检测子和描述子算法。利用离散尺寸的均值滤波器估算LOG算子构建图像尺度空间，建立尺度和旋转不变的检测子。在尺度相关的邻域中利用
2、规格化后的像素强度作为关联信息，建立局部邻域的描述子。模拟实验中，利用优选参数的FLF与经典SIFT算法对比，在识别率相当的条件下，FLF的运行时间是SIFT的1/3。在标准评估图片和移动机器人平台拍摄的定位图片构成的数据集下，FLF的匹配效果好于经典的SIFT和SURF算子。因而FLF是一种适合于实时应用的快速局部特征。关键词：局部特征；图像匹配；尺度空间；物体识别中图分类号：TP391.4 文献标识码：A 国家标准学科分类代码：510.2050Fastlocalfeaturealgorithmappliedtom
3、obilerobotlocalizationimagematchingLiuPingping1,2,ZhaoHongwei1,2,ZangXuebai1,WangHui1（1DepartmentofComputerScienceandTechnology,JilinUniversity,Changchun130012,China；2KeyLaboratoryofSymbolicComputationandKnowledgeEngineering,MinistryofEducation,JilinUniversity,Ch
4、angchun130012,China)Abstract：Usinglocalfeaturesoflocalizationimagestonavigateandlocalizeisahotspotinrecentmobilerobotresearch.Anovel,fastlocalfeatureinrealtimelocalizationimagematchingisproposedinthisarticle,calledFLF(fastlocalfeature).Weusethemeanfiltersindisper
5、sesizestoapproximateLOGtobuildtheimagescalespace.Thenafastlocalcharacterdescriptorisproposed.Normalizedpixelintensityiscomputedoncharacteristicscaleandusedasthecontextualinformationtodescribethelocalneighborpixelintensityvariationstothecentralpoint.Insimulationex
6、periment,theruntimeofFLFusingoptimalselectionparametersisabout1/3ofthatofclassicalSIFTarithmeticundercomparativerecognitionrate.Inanothermatchingexperiment,withinwhichthedatasetsarecomposedofstandardevaluationimagesandimagestakenbymobilerobotplatform,performancee
7、valuationsshowthatFLFgenerallyoutperformsSIFTandSURFoperatorsinimagescale,rotation,illuminationandblurtransformations.Therefore,FLFissuitableforreal-timeimagematchingapplications.Keywords：localfeature；imagematching；scale-space；objectrecognition第8期刘萍萍等：移动机器人定位图像匹配
8、的快速局部特征算法17151 引 言收稿日期：2008-12ReceivedDate：2008-12*基金项目：高等学校博士学科点专项科研基金（20050183032）、吉林省教育厅科学基金（2004150）资助项目近年来在机器视觉领域中出现了基于图像局部信息的特征提取方法，满足在多种图像变换下的不变性，因而适用于
