基于网格运动统计的工件识别改进算法

为提高快速鲁棒特征(SURF)算法在复杂环境下进行工件识别的匹配精度及匹配效率,提出一种基于网格运动统计(GMS)的工件识别改进算法。首先,用加速分割检测(FAST)算法代替SURF特征点检测进行工件图像特征点的快速提取,并对特征点建立64维SURF描述符,使加快关键点检测速度的同时得到具有旋转尺度鲁棒性的特征点;其次,对特征点进行快速近似最近邻(FLANN)匹配得到粗匹配集;最后,采用改进GMS算法对图像进行网格化处理,根据运动平滑性进行内点与离群点的区分,保留正确匹配特征点对,实现误匹配点的剔除,准确找到待识别工件的位置。实验结果表明:改进算法比传统的SIFT、SURF和ORB等算法在工件图像受到旋转、平移、尺度、亮度等变化及影响时能够更高效、更准确识别工件,提高了复杂环境下工件识别的效率。

资料为PDF文档格式.

本文档关键词:工件,算法,识别,改进,统计