基于定位实验的特征检测器与描述子组合多性能指标分析
计算机视觉与模式识别
2017-10-18 v1 系统与控制
摘要
本研究旨在详细比较特征检测器/描述子方法的性能，特别是在图像匹配中使用其各种组合时的性能。以室内环境中移动机器人的定位实验作为案例研究。实验使用了 3090 张查询图像和 127 张数据集图像。本研究包含五种特征检测器方法：加速片段测试特征（FAST）、定向 FAST 和旋转二进制鲁棒独立基本特征（BRIEF）（ORB）、加速鲁棒特征（SURF）、尺度不变特征变换（SIFT）和二进制鲁棒不变可缩放关键点（BRISK）；以及五种特征描述子方法：BRIEF、BRISK、SIFT、SURF 和 ORB。这些方法以 23 种不同组合使用，并能利用本研究定义的性能准则获得有意义且一致的比较结果。所有方法均作为特征检测器或描述子独立、分别使用。性能分析展示了各种检测器与描述子组合的判别能力。分析使用五个参数完成：(i) 准确率，(ii) 耗时，(iii) 关键点间角度差，(iv) 正确匹配数，(v) 正确匹配关键点间距离。在覆盖系统五个旋转位姿点的 60° 范围内，FAST-SURF 组合具有最低的距离和角度差值以及最高的匹配关键点数。SIFT-SURF 为最准确组合，正确分类率达 98.41%。最快算法为 ORB-BRIEF，将 560 张运动捕获图像与 127 张数据集图像匹配的总运行时间为 21,303.30 秒。
引用
@article{arxiv.1710.06232,
title = {Analysis of feature detector and descriptor combinations with a localization experiment for various performance metrics},
author = {Ertugrul Bayraktar and Pinar Boyraz},
journal= {arXiv preprint arXiv:1710.06232},
year = {2017}
}
备注
11 pages, 3 figures, 1 table