摘 要

针对不同特征提取算法对不同传感器平台获取的影像空间相对关系估计的适用性问题，该文以不同来源的影像数据为研究对象进行实验分析。该文采用基于特征的影像匹配算法SIFT,SURF,ORB对影像进行特征提取和匹配，利用RANSAC算法进行粗差剔除，随后使用归一化的八点法估计基础矩阵，最后采用辛普森距离统计像素均方根误差。结果表明，在不考虑速度的情况下，SIFT算法对于各类影像的相对位置关系估计有较好的精度；ORB算法在速度上有较大优势，检测和匹配的特征点数目最多；SURF算法的速度和精度介于两者之间。

引用格式

查冰，张力，艾海滨． 不同特征提取算法对相机运动估计的适用性研究［Ｊ］． 测绘科学，２０１８，４３（３）：９２-９８．

正文

随着各类图像获取传感器技术的发展，获取影像的手段越来越丰富。简单的二维影像浏览已经不能满足人们的日常需求。一种全面的、立体的三维模型浏览越来越受到欢迎。而作为基于影像三维重建的关键步骤，估计获取影像时相机的位置和姿态尤为重要。对于简单地估计两张影像之间的相对关系，通常的做法是先提取影像之间的特征点，计算描述子；然后匹配同名点，通过影像间的同名点计算两张影像之间的基础矩阵；最后分解基础矩阵，得到影像之间的相对关系。

对于提取和匹配同名点，数字摄影测量和计算机视觉的研究人员对此做了深入而广泛的研究，产生了一些优秀的算法。较为著名的有2004年文献[1]提出的基于尺度不变特征变换算法（scale invariant feature transform，SIFT）,该算法在物体识别方面有着优异的表现，能够对旋转、尺度缩放和亮度保持不变性，但是算法复杂度高，特征检测和提取速度较慢。对于SIFT的速度瓶颈，2006年文献[2]提出一种加速鲁棒特征算法（speed-up robust feature，SURF），该算法对光照变化和仿射、透视变换也具有较强的鲁棒性，同时具有尺度不变的特性。SURF算法采用积分图和模板缩放来模拟尺度变换，速度比SIFT算法快，但是描述子的区分能力相对较弱。2011年文献[3]在ICCC 2011会议上提出一种用于视觉信息的特征点检测与描述的ORB算法。它解决了FAST特征点的方向问题和BRIEF描述子的旋转不变问题，速度比SIFT和SURF算法的速度快一个级别但是在图像尺度发生变化的环境下，ORB算法效果逊色于SIFT和SURF算法。文献[10-12]对几种匹配算法本身做了简单的比较，都没有结合相机运动的估计。

在基于影像的重建过程中，不同的研究人员采用了上述不同的算法进行特征提取和匹配。2006年发布的Bundler[4]软件和2013年发布的VisualSFM[5]软件中，采用的是SIFT算法和基于GPU加速的SIFT算法。2014年发布的开源软件MVE[6]中，采用的是SIFT和SURF两种算法。但也有少许研究人员采用的是ORB算法。虽然不同的软件方案中采用了不同的特征检测和提取算法，但是很少有研究人员比较不同的特征提取和匹配算法对不同传感器获取的影像估计相对运动的精度问题。

因此，本文从现有方法出发，对不同传感器获取的影像数据用不同的算法提取影像的同名点并进行特征匹配，通过随机抽样一致性（random sample concensus，RANSAC）算法[8]进行粗差点剔除，利用高精度的同名点求解基础矩阵，获得相机运动即相机的位置和姿态。最后利用辛普森距离（sampon distance）比较求得基础矩阵的精度[7]，从而比较不同算法对不同传感器影像估计相机相对运动的适用性。与常用的的特征匹配相比，本方法利用基础矩阵计算的辛普森距离对原有特征匹配进行约束剔除的同时，恢复相机的相对运动，利用相机的相对关系精度来衡量常用的特征匹配对影像的适用性。

在基于序列影像的运动估计过程中，特征检测和提取是一个非常重要的环节，提取的特征点速度、数量和精度都会直接影响估计的结果。通常情况下，对不同传感器拍摄的一组具有重叠度的影像，利用SIFT、SURF、ORB特征提取算法对具有重叠度的影像进行初匹配，利用RANSAC方法对粗差点进行剔除，得到高精度的初匹配同名点。然后利用这些同名点进行影像间的相对运动估计，根据不同算法的衡量指标得到运动估计结果，进而比较不同算法对于运动估计的优劣情况。

本文使用SIFT、SURF、ORB等算法对5类影像进行空间相对关系的估计。本文分别从匹配的点数，特征检测和匹配的时间，初始匹配率，估计的基础矩阵精度方面对算法的适用性进行全面的评估，通过一系列的实验得出以下结论。

1）在不考虑速度的情况下，SIFT算法检测的特征多分布在整个影像，检测速度较慢，匹配的点数较少，但在各类影像中的估计精度是最高的。

2）尽管SIFT对不同场景有最好的估计效果，但是ORB算法的速度最快，几乎是SIFT算法的20倍，是SURF算法的10倍。SIFT检测的特征多集中在影像中心，估计的精度略低于SURF算法。

3）SURF算法的匹配时间、匹配率和结果的精度都是适中的，介于SIFT算法和ORB算法之间。

在目前的基于影像的重建过程中，本文分别对互联网影像、手机影像、数码相机影像、无人机影像进行场景恢复重建，通过一系列实验针对不同平台影像比较了3种特征检测算法。通过分析，研究人员可以根据速度和精度的不同需求和不同传感器获取的影像选择合适的特征检测和提取算法以获得最佳的重建结果。除了本文介绍的几种经典的特征提取算法，还有许多表现效果也很好的算法，它们结合不同策略的影像匹配方法，可能会获得更佳的表现，这些都有待于进一步的研究。

2018年（第43卷）第3期

往期热点文章

(进入公众号—号内搜—往期消息)

编辑：邓国臣

《测绘科学》

主管：国家测绘地理信息局

主办：中国测绘科学研究院

出版：科学出版社

邮箱：niu@casm.ac.cn

网站：http://chkd.cbpt.cnki.net

———————————————————————

全国中文核心

中国科学引文数据库 (CSCD)核心

中国科技核心

———————————————————————

2017中国百强报刊

2015期刊数字影响力100强

全国优秀测绘地理信息期刊

觉得不错，请点赞↓↓↓