SURF SIFT ORB三种特征检测算法比较
来源:互联网 发布:人工智能 风口 编辑:程序博客网 时间:2024/06/04 17:44
我们知道,双目立体测距的基础是利用视差求距离,而视差就是计算左右图像中对应点的像素坐标之差,这个左右图中的对应点是由通过立体匹配得来。
立体匹配从大的方面说分为两种,全局匹配和局部匹配,全局匹配精度高,但是计算速度慢,不能满足实时的要求,局部匹配速度快,可以满足实时的要求,但是精度不如前者,考虑到项目实际,需要实时的判断机器人与环境的关系,就重点研究局部匹配。局部匹配又分为基于区域的匹配,基于特征的匹配以及基于梯度的优化方法。综合比较,选择基于特征的匹配。
基于特征的匹配分为特征点提取和匹配两个步骤,本篇主要针对特征点提取三种方法进行比较,分别是SIFT,SURF以及ORB三种方法,这三种方法在OpenCV里面都已实现。SURF基本就是SIFT的全面升级版,有 SURF基本就不用考虑SIFT,而ORB的强点在于计算时间,以下具体比较:
计算速度: ORB>>SURF>>SIFT(各差一个量级)
旋转鲁棒性: SURF>ORB~SIFT(表示差不多)
模糊鲁棒性: SURF>ORB~SIFT
尺度变换鲁棒性: SURF>SIFT>ORB(ORB并不具备尺度变换性)
所以结论就是,如果对计算实时性要求非常高,可选用ORB算法,但基本要保证正对拍摄;如果对实行性要求稍高,可以选择SURF;基本不用SIFT。
2 0
- SURF SIFT ORB三种特征检测算法比较
- SIFT,SURF,ORB,FAST 特征提取算法比较
- SIFT,SURF,ORB,FAST,BRISK 特征提取算法比较
- SIFT,SURF,ORB,FAST 特征提取算法比较
- SIFT,SURF,ORB,FAST 特征提取算法比较
- OpenCv sift surf orb等特征点检测
- OpenCv的sift surf orb等特征点检测
- Opencv下利用SIFT、SURF、ORB三种特征点实现图像匹配
- 特征匹配,sift,surf,orb,brisk,brief
- SIFT/SURF/ FAST / BREIF / ORB特征
- 检测 SURF,SIFT,MSER特征
- SIFT算法与SURF算法特征检测效率对比
- opencv 特征点提取算法 SIFT SURF ORB FAST LBP学习(一)
- opencv 特征点提取算法 SIFT SURF ORB FAST LBP学习(二)
- ORB特征检测算法
- 图像特征检测描述(一):SIFT、SURF、ORB、HOG、LBP特征的原理概述及OpenCV代码实现
- 图像特征检测描述(一):SIFT、SURF、ORB、HOG、LBP特征的原理概述及OpenCV代码实现
- SIFT特征和SURF特征比较
- 剑指Offer 27 二叉搜索树与双向链表
- Swift专栏:Swift基础入门(一)
- LeetCode 55. Jump Game and 45. Jump Game II 题解
- java_简陋租车系统
- (李兴华)【FANUC FOCAS1/2 Library 开发系列教程】-10分钟快速入门
- SURF SIFT ORB三种特征检测算法比较
- 机器学习之梯度下降法
- Longest Substring Without Repeating Characters
- Hibernate基础------》关系映射---》继承映射-》简单映射
- 100. Same Tree
- js实现操作剪贴板
- leetcode 389. Find the Difference
- 写了个鼠标键盘模拟器,希望对大家有用哈!
- ROS 学习系列 -- RViz 实时观测机器人建立导航2D封闭空间地图过程 (SLAM)