基于機器視覺的齒輪圖像特征匹配優化*

任永強，陳康琛，張聞簫

(合肥工業大學機械工程學院，合肥 230009)

0 引言

圖像特征匹配是機器視覺系統中的重要技術之一，其在同時定位與地圖構建[1]、三維重建[2]、目標檢測[3]等方面均有重要應用。在工業應用上，機器人檢測齒輪進或抓取齒輪時需要對其進行圖像匹配識別，要求機器人視覺系統快速準確地對齒輪特征進行匹配。目前特征匹配算法受到許多學者深入研究，特征檢測的算法有不少，常用的有SIFT(scale invariant feature transform)、SURF(speeded up robust features)和ORB(oriented fast and rotated brief)等算法。SIFT匹配準確率好，但是速度慢。SURF是對SIFT的改進，速度進一步提升，但是還是難以滿足實時性高的應用場合。王博等[4]優化了SIFT算法中構建高斯金字塔的流程，并用性能更好的特征描述子。張明路等[5]在SURF中加入聚類算法和機器學習中文本檢索方法，提高速度。但是二者實時性不如ORB，不能滿足有較高實時性要求的工業場景。而ORB受噪聲影響小，可實時性滿足工業要求，但匹配精度較前面二者差，需要優化匹配，減少誤匹配。楊昊瑜等[6]將ORB算法提取出的特征向量進行歸類及篩選,減少噪點及特征冗余點數量,從而提高匹配效率。周光宇等[7]提出的改進方法是通過交叉驗證ORB對應特征點對的準確率，在簡單篩選特征點后,通過一致空間映射對經過篩選的特征點集進行穩健的非線性匹配。雖然這兩種ORB改進算法提高匹配效率，但誤匹配率還須進一步減少。

為了有效解決在齒輪圖像匹配時的誤匹配問題，本文提出聯合金字塔光流法和ORB算法的齒……