融合深度信息BRISK改進(jìn)算法

　　為了有效地利用RCB-D圖像的深度信息，提高BRISK算法的尺度不變性和旋轉(zhuǎn)不變性，提出一種融合深度信息的BRISK改進(jìn)算法。首先，采用FAST算法提取特征點(diǎn)，并計(jì)算每個(gè)特征點(diǎn)的Harris角點(diǎn)V向應(yīng)值；然后，將整個(gè)圖像劃分為大小相同的網(wǎng)格，每個(gè)網(wǎng)格保留Harris角點(diǎn)響應(yīng)值最大的特征點(diǎn)；其次，根據(jù)圖像的深度信息直接計(jì)算特征點(diǎn)的尺度因子；最后，計(jì)算以特征點(diǎn)為中心的圓的灰度矩心，通過(guò)灰度矩心和特征點(diǎn)的位置偏差確定特征點(diǎn)主方向。從尺度不變性和旋轉(zhuǎn)不變性兩方面對(duì)幾種算法進(jìn)行了對(duì)比實(shí)驗(yàn)分析。實(shí)驗(yàn)結(jié)果表明，相比BRISK算法，改進(jìn)后的算法在圖像尺度變化時(shí)正確匹配特征點(diǎn)數(shù)提高了90%以上，在圖像旋轉(zhuǎn)時(shí)正確匹配特征點(diǎn)數(shù)提高了至少70%。