针对ORB算法在图像匹配中特征点的提取会存在一些不稳定边缘点,为了提高ORB特征点匹配的准确性,提出了使用方向梯度直方图(HOG)描述符与快速最近邻逼近搜索函数库(FLANN)相结合的匹配算法。本算法通过移动的HOG窗口对图像中的局部窗口进行初步匹配,然后在HOG窗口的约束下通过使用FLANN对ORB特征点进行图像预匹配,最后采用随机采样一致性(RANSAC)对错误的匹配点进行剔除实现图像的精确匹配。经实验测得本文算法的预匹配准确率由原来的89%提高到了94%,实验结果表明采用HOG窗口与FLANN相结合的匹配算法可以有效的提高ORB特征点预匹配的准确率,并具有较好的稳定性。

针对自动化立体仓库货物检测难度大、实时性差等缺陷,提出一种基于图像差分与特征匹配的货物检测系统。通过四旋翼无人机结合无线图像系统获取货物图像,并传输至上位机软件系统进行检测,通过将实时图像与模板图像差分结合自适应阈值滤波方法检测出货物缺失部分;通过改进的ORB算法结合网格运动统计方法完成图像的精准匹配,采用网格划分统计特征点的方法检测货物缺陷。实验和现场系统运行测试表明,所研究的货物检测系统,在货物缺失、缺陷检测时正确率分别达到95.0%和93.3%,具有较高的准确率。

为实现动态场景下机器人快速准确地检测与跟踪运动目标,提出一种基于精确背景补偿的运动目标检测方法,并利用Kalman滤波扩展的KCF算法进行目标跟踪。针对传统ORB算法存在特征点分布不均匀、误匹配率高导致背景补偿效果不佳的问题,采用小波变换及图像分块处理保证提取的特征点数目及均匀分布,通过SURF算法提取具有尺度不变性的特征点并构建ORB描述子。利用KNN算法与对称约束相结合的特征匹配法提高匹配精度,同时引入改进的RANSAC方法精确求解全局运