论文部分内容阅读
图像特征点提取是视觉定位算法的重要一环,即通过提取的特征从而实现映射算法定位。FPGA现场可编程门阵列技术,由于其强大的高频并行处理特性,提高了机器视觉检测处理系统的数据吞吐能力和数据处理能力。本文以ORB图像特征提取算法为研究对象,以不损失定位精度下高帧率提取特征为目标,重点针对光照变化适应调整,特征描述符计算,特征方向计算,高效率低开销的FPGA实现方案等关键技术进行深入的分析和研究,本文的主要工作如下:1.自适应阈值的FAST角点特征提取方法研究。传统的FAST特征提取采用单一阈值,不能适应多种多样的图像,尤其是在光照变化较大的情况下,同一个场景提取到的特征点会有较大的差异。本文将采用图像差值统计分析的方法,采用小滤波核对图像滤波,对滤波核中的中心点与周围点的差值做统计计算并将统计结果换算为在一定范围内调节的阈值从而提高特征提取的效果。2.特征方向计算结构优化研究。传统的ORB特征方向角计算采用的是灰度质心法,然而质心向量夹角算法结构复杂,占用大量资源与时钟,所以本文将二维图像平面等比例分为多个子区间,计算每个子区间的区间函数,并将区间函数的变量系数指数幂化来替换浮点运算,之后直接将求得的质心坐标代入各子区间匹对从而求得特征方向角。3.高效准确的BRIEF特征描述符计算方法研究。传统BRIEF特征算法资源消耗大且随着特征旋转方向增多成倍增长,匹配点鲁棒性也差,本文将采用定点训练的方法和相关性检验来提高点配对结果的广泛性。采用旋转模式生成描述符从而减少FPGA的存储和逻辑消耗。4.轻量化的ORB特征提取的FPGA设计方法研究。针对优化过的ORB图像特征提取算法本文将进行模块化的FPGA流水设计从而实现低开销高效率的算法硬件加速目标。