基于改進ORB-SVM的工件識別方法研究

仝保國，劉凌云

（湖北汽車工業學院 電氣與信息工程學院，湖北十堰 442002）

0 引言

隨著視覺技術的發展，機器視覺已廣泛應用于物體檢測、目標識別、圖像匹配、跟蹤、SLAM、姿態估計、三維重建和增強現實等領域，極大地提高了運行效率和處理效果［1-3］。機器視覺的核心是通過對圖像進行處理分析，提取圖像特征信息，從而實現目標圖像的識別分類［4-5］。

在經典的圖像特征提取算法（如SIFT，SURF和ORB）基礎上，相關學者不斷提出一些改進方法來對特征提取算法進行優化，如鹿志旭等［6］使用DAISY特征描述符替換SURF特征描述算子，并采用隨機抽樣一致算法刪除誤匹配點，提高算法運行效率及匹配精度；譚光興等［7］采用十字形對SIFT特征點鄰域進行分區，簡化特征描述子并降低描述子的維度，并結合余弦相似度約束條件過濾偽匹配；鐘鵬程等［8］在ORB算法的特征描述中添加SURF方向信息，并采用快速近似最近鄰搜索算法對特征點進行匹配。

然而，針對相似度較高的小工件，現有算法存在識別精度不高，對圖像尺度或旋轉、光照強度或角度等外部因素的魯棒性較差等問題。本文提出改進ORB-SVM的工件識別方法，即在ORB特征提取的基礎上引入SIFT進行特征描述，并通過詞袋模型（bag word model，BoW）進行降維處理，最后采用支持向量機（support vector machine，SVM）實現多品種工件的識別。通過試驗表明，該方法具有良好的識別效果。

1 改進ORB-SVM算法

改進ORB-SVM的算法流程如圖1所示。

圖1 改進的ORB-SVM算法流程圖Fig.1 Flowchart of improved ORB-SVM algorithm

1.1 ORB特征檢測

ORB算法是在FAST（features from accelerated segment test）角點和BRIEF（binary robust independent elementary features）描述子的基礎上做了改進和優化［9］。……