用于视觉里程计的鲁棒立体特征描述子
计算机视觉与模式识别
2018-09-25 v2
摘要
在本文中，我们提出了一种利用立体相机数据来改进特征描述子的简单方法。使用立体相机的计算机视觉算法需要进行一些 3D 信息的计算。我们利用这些预计算信息来改进特征描述子算法。我们使用 3D 特征信息来估计每个特征的尺度。这样，每个特征描述子无需显著的计算量即可对尺度变化更具鲁棒性。此外，我们使用立体图像来构建描述子向量。我们使用尺度不变特征变换（SIFT）和快速视网膜关键点（FREAK）描述子来评估所提出的方法。在特征跟踪测试中，尺度归一化技术使标准 SIFT 提高了 8.75%，使标准 FREAK 提高了 28.65%。使用所提出的立体特征描述子，我们设计了一种视觉里程计算法，并在 KITTI 数据集上进行了测试。立体 FREAK 描述子将内点匹配数提高了 19%，从而将视觉里程计的精度提高了 23%。
引用
@article{arxiv.1708.07933,
title = {Robust Stereo Feature Descriptor for Visual Odometry},
author = {Ehsan Shojaedini and Reza Safabakhsh},
journal= {arXiv preprint arXiv:1708.07933},
year = {2018}
}