论文部分内容阅读
因为自身特有的高精度、抗干扰和自主导航等强大特性,惯性/图像匹配辅助导航系统成为了目前研究的一大热门方向。图像匹配辅助导航技术能够为惯性导航系统提供位置修正数据信息,其精确性和实时性是图像匹配算法非常关键的因素。本文就图像匹配辅助导航系统里的核心所在——图像匹配算法进行了较为深入的攻关与研究。鉴于ORB算法缺少对尺度不变性的良好支持,本文借鉴了尺度空间和高斯图像金字塔的概念,将多尺度空间引入到ORB算法中,提出并实现了改进的ORB算法。实验表明,本文提出的算法除了继承了ORB算法速度极快的优点以外,也能在平移不变性、旋转不变性、尺度不变性、仿射变换不变性等各方面上有能和SIFT媲美的性能。为了进一步提高ORB特征点的匹配精度,本文提出了基于哈希表的双向预筛选策略,在使用RANSAC算法提纯之前,先进行一个初步的筛选,筛选出一个高质量的样本集合,再利用RANSAC算法对此高质量的样本进行优化提纯,以达到非常高的匹配精准度和运算效率。本文将GPU与CUDA并行运算引入到图像匹配辅助导航系统中,让常用的图像匹配算法运行速度有了超过20倍运算速度的提高,满足了图像匹配导航系统实时性的需求。最终,本文总结并实现了一套基于Open CV、CUDA并行运算与改进ORB算法的图像匹配算法。并进行了综合性地计算仿真实验论证。实验结论表明,这套算法拥有极高的效率,可以将图像匹配时间控制在毫秒级,可以满足图像匹配导航系统中精确性、实时性和鲁棒性的要求。