基于紧凑 GPU 数据调度的无人机图像高效特征匹配
计算机视觉与模式识别
2026-03-17 v2
摘要
特征匹配在运动恢复结构中占据了主要的时间成本。本研究的主要贡献是一种用于无人机（UAV）图像高效特征匹配的 GPU 数据调度算法。其核心思想是基于矩阵带缩减（MBR）将整个数据集划分为块，并通过 GPU 加速的级联哈希实现高效的特征匹配。首先，利用图像检索技术选择匹配对，该技术将图像转换为全局描述符，并使用图索引搜索高维最近邻。其次，通过基于 MBR 的数据调度策略迭代生成紧凑的图像块，该策略利用图像连接生成图像块并提高 GPU 计算能力的利用率。第三，在生成的图像块的引导下，在 GPU 加速级联哈希框架内顺序执行特征匹配，并通过结合局部几何约束和基于 RANSAC 的全局验证来细化初始候选匹配。为了进一步提高性能，这两个步骤被设计为在 GPU 和 CPU 中并行执行。最后，使用大规模无人机数据集评估了所提方案的性能。结果表明，由于其高 GPU 计算能力利用率，与基于 KD-Tree 的匹配方法相比，它将特征匹配效率提高了 77.0 到 100.0 的加速比。此外，它在相对和绝对束调整（BA）中均实现了可比的精度。所提出的算法是针对大规模无人机图像特征匹配的高效解决方案。
引用
@article{arxiv.2505.22089,
title = {Efficient feature matching for UAV images based on compact GPU data scheduling},
author = {San Jiang and Kan You and Ruqin Zhou and Xing Zhang and Zhijun Wang and Qingquan Li},
journal= {arXiv preprint arXiv:2505.22089},
year = {2026}
}