超越ORB | 最新特征匹配 ：基于多级细匹配策略的SLAM特征匹配方法

点击下方 卡片 ，关注 「计算机视觉工坊」 公众号
选择 星标 ，干货第一时间送达

编辑：计算机视觉工坊

添加小助理：dddvision，备注：方向+学校/公司+昵称，拉你入群。文末附行业细分群

扫描下方二维码，加入 3D视觉知识星球 ，星球内凝聚了众多3D视觉实战问题，以及各个模块的学习资料： 近20门视频课程（星球成员免费学习） 、 最新顶会论文 、 计算机视觉书籍 、 优质3D视觉算法源码 等。想要入门3D视觉、做项目、搞科研，欢迎扫码加入！

1、读者理解

这篇文章介绍了一种基于多级细匹配策略的特征匹配方法，称为KTGP-ORB。该方法利用ORB特征描述子在汉明空间中的局部外观相似性建立初始对应关系，并引入局部图像运动平滑性的约束来提高匹配精度。在匹配过程中，首先利用KNN算法快速建立初始一对多的特征点对应关系，然后通过阈值过滤法将一对多的对应关系转换为一对一匹配对。接下来，利用基于网格的运动统计方法(GMS)根据匹配点邻域的匹配数量区分真伪匹配，最后采用PROSAC算法优化匹配，以获得最终精确匹配。实验结果显示，在复杂场景下，该方法能够有效消除误匹配和冗余匹配，保留高质量匹配，与ORB算法相比，平均误差降低了29.92%。

2、论文信息

标题：A Feature Matching Method Based on Multi-Level Refinement Strategy
作者：Shaojie Zhang
论文：https://arxiv.org/pdf/2402.13488

3、方法

本文提出的多级细匹配特征匹配方法，主要分为以下三个步骤：

1. 初始对应关系生成 ：使用KNN算法快速生成大量的一对二关联特征点对，然后利用阈值过滤方法根据最近邻距离与次近邻距离的比例评估匹配质量，将一对二关联特征点对转换为一对一匹配对，得到初始匹配对。
2. 假匹配去除 ：利用图像运动平滑性的特点，即正确匹配特征点周围匹配点密度更高，统计每个匹配点邻域内的匹配点数量，数量低于阈值的匹配对被认为是错误匹配或低质量匹配，从而去除假匹配。
3. 匹配优化 ：采用PROSAC算法估计最优单应变换矩阵，区分内点和外点，进一步消除低质量和冗余匹配。

该方法通过多级匹配策略，综合局部描述子的相似性、局部图像运动平滑性以及全局灰度信息，提高了匹配的准确性和鲁棒性。

4、实验

1. 数据集选择 ：作者使用了自收集的真实场景图像，以及牛津视觉几何组的Optical Images数据集，其中包括了Leuven数据集(光照变化)和Bikes数据集(模糊)。
2. 评价指标选择 ：主要采用了匹配数量(NM)、重复率(REP)、平均误差(ME)和均方根误差(RMSE)来比较不同方法的匹配精度。
3. 实验结果 ：展示了在自收集图像上的匹配结果，以及在不同复杂场景下Leuven和Bikes数据集的匹配结果。结果证明了多级细匹配策略的有效性。
4. 参数变化实验 ：通过调整阈值，分析了阈值对匹配数量的影响，并找到了最佳阈值。
5. 方法比较分析 ：通过与其他匹配模型进行比较，评估了多级细匹配各阶段的效果，并与ORB算法进行比较，结果表明该方法在复杂场景下更优。

综合实验结果，作者得出多级细匹配策略有效提高了匹配的准确性，特别是在复杂场景下。

5、结论

本文提出了一种基于多级细匹配策略的特征匹配方法，称为KTGP-ORB。该方法通过ORB特征描述符的局部外观相似性在汉明空间进行初始匹配，同时引入了局部图像运动平滑性约束以提升初始匹配的准确性。接着，利用GMS算法对初始匹配进行过滤，并采用PROSAC算法进行全局灰度信息优化。实验结果显示，该方法在复杂场景下有效消除了错误匹配和冗余匹配，并保留了高质量的匹配。通过参数变化实验，确定了最佳阈值。与ORB算法相比，该方法在复杂场景下的匹配准确度提高了29.92%。因此，该多级细匹配策略在提高特征匹配的准确性和鲁棒性方面具有显著优势，为视觉SLAM系统提供了更稳定的匹配结果。

本文仅做学术分享，如有侵权，请联系删文。

计算机视觉工坊交流群

目前我们已经建立了3D视觉方向多个社群，包括 2D计算机视觉 、 大模型 、 工业3D视觉 、 SLAM 、 自动驾驶 、 三维重建 、 无人机 等方向，细分群包括：

2D计算机视觉： 图像分类/分割、目标/检测、医学影像、GAN、OCR、2D缺陷检测、遥感测绘、超分辨率、人脸检测、行为识别、模型量化剪枝、迁移学习、人体姿态估计等

大模型： NLP、CV、ASR、生成对抗大模型、强化学习大模型、对话大模型等

工业3D视觉： 相机标定、立体匹配、三维点云、结构光、机械臂抓取、缺陷检测、6D位姿估计、相位偏折术、Halcon、摄影测量、阵列相机、光度立体视觉等。

SLAM ： 视觉SLAM、激光SLAM、语义SLAM、滤波算法、多传感器融合、多传感器标定、动态SLAM、MOT SLAM、NeRF SLAM、机器人导航等。

自动驾驶： 深度估计、Transformer、毫米波|激光雷达|视觉摄像头传感器、多传感器标定、多传感器融合、自动驾驶综合群等、3D目标检测、路径规划、轨迹预测、3D点云分割、模型部署、车道线检测、BEV感知、Occupancy、目标跟踪、端到端自动驾驶等。

三维重建： 3DGS、NeRF、多视图几何、OpenMVS、MVSNet、colmap、纹理贴图等

无人机： 四旋翼建模、无人机飞控等

除了这些，还有 求职 、 硬件选型 、 视觉产品落地 、 最新论文 、 3D视觉最新产品 、 3D视觉行业新闻 等交流群

添加小助理: dddvision，备注： 研究方向+学校/公司+昵称 （如3D点云+清华+小草莓） , 拉你入群。

3D视觉学习知识星球

3D视觉从入门到精通知识星球、国内成立最早、6000+成员交流学习。包括： 星球视频课程近20门（价值超6000） 、 项目对接 、 3D视觉学习路线总结 、 最新顶会论文&代码 、 3D视觉行业最新模组 、 3D视觉优质源码汇总 、 书籍推荐 、 编程基础&学习工具 、 实战项目 &作业 、 求职招聘&面经&面试题 等等。欢迎加入3D视觉从入门到精通知识星球，一起学习进步。

3DGS、NeRF、结构光、相位偏折术、机械臂抓取、点云实战、Open3D、缺陷检测、 BEV感知、Occupancy、Transformer、模型部署、3D目标检测、深度估计、多传感器标定、规划与控制、 无人机仿真、三维视觉C++、三维视觉python、dToF、相机标定、ROS2、机器人控制规划、