随着成像传感器技术的不断进步,获取图像的方式更加多元化,图像类型也由传统的二维图像发展到2.5维距离图像、三维点云数据等。在计算机视觉领域中,图像局部特征描述一直是其核心基础技术,可广泛应用于图像配准、图像拼接、目标识别、目标跟踪及三维重构等领域。关于局部特征描述,目前国内外研究者已提出不少优秀的算法,它们能实现对尺度、旋转、光照等的不变性,具有很强的鲁棒性,并已运用于实际应用中。然而大部分算法只是分别针对二维图像或者三维点云,得到的特征描述子通常采用高维的浮点型向量表示,在当前轻小型智能设备不断涌现及人们对计算效率更高要求的形势下,很有必要研究鉴别力强、占用存储空间小及匹配速度快的局部特征描述子。同时,关于图像配准,获得高配准精度也是研究者们一直努力的方向。因此,本文围绕实时计算的应用需求,基于RGB-D图像在局部特征描述子及图像配准方面开展了如下工作:(1)提出了一种融合颜色和几何信息的局部二值特征描述子。由于局部二值模式具有快速计算的能力,RGB-D图像同时包含颜色信息与几何结构信息,因此基于局部二值模式,在获得特征点的尺度及方向后,首先在特征点邻域内按照一定策略抽取一定数量的点对,然后对于每个点对,利用颜色信息构造出二个比较结果,利用几何结构信息构造出一个比较结果,这三个比较结果分别用三个比特位来表示,最后,将特征点邻域内所有点对的比较结果串接起来,这样便得到本文提出的局部特征描述子。实验结果表明,本文所提的特征描述子鉴别力强、占用存储空间小、匹配速度快。(2)设计了一种基于本文所提特征描述子的由粗到精的RGB-D图像配准方法。通过将深度图像转化成三维点云,从而将本文的RGB-D图像配准问题转化成了点云数据配准问题。在进行粗配准前,利用本文所提的特征描述子对特征点进行描述,然后对待配准的两幅点云进行特征点匹配得到匹配的特征点对,在进行粗配准时,利用匹配的特征点对和RANSAC算法得到初始变换矩阵,并采用ICP算法对所有点云数据的配准结果做进一步优化。实验结果表明,本文所提的特征描述子能获得不错的配准率,同时本文设计的由粗到精的配准方法能进一步提高配准率。