Shanghai HRSTEK Co,Shanghai, 201100)
Abstract:This paper introduces the image feature extraction algorithm in the Simultaneous Localization and Mapping (SLAM) algorithm and simulates the ORB algorithm. Keywords:Simultaneous positioning and map creation; image feature extraction; ORB algorithm
= det (H )
∂2h( x, y) ∂2h( x, y) ∂2h( x, y) 2
(5)
在不影响尺度空间的极值检测下，k 通常取 2 。 1.2 SURF 算法
SURF 特征提取算法实在 SIFT 算法基础上提高了特征提 取的效率。SURF 算法利用了 2D Harr 小波近似 SIFT 中的梯
基金项目 : 上海市 2018 年度科技型中小企业技术创新资金项目 (20180209-04-104-2348) ；闵行区 2018 年度中小企业技术创 新计划项目 (2018MH037); 闵行区产学研合作计划项目（2016MH260）。
变换，从而提供对于这些变换的不变性。最后进行关键点描
述，在每个关键点周围的邻域内，在选定的尺度上测量图像
局部的梯度。这些梯度被变换成一种表示，这种表示允许比
较大的局部形状的变形和光照变化。
SIFT 算法通过构建差分高斯金字塔从而获取尺度和旋
转不变性。先将尺度空间定义为高斯卷积 G，G 的方差为 σ。
而在视觉 SLAM 中，为了获取前后图像的对应关系，需要 对图像进行特征的提取和匹配两个过程。在目前许多的特征 提取方法里最常见的提取算法主要有 SIFT、SURF 和 ORB 等。 本研究主要对这三种算法进行性能对比，这三种算法各有优 缺点，在应用时根据环境的不同和计算能力的需求来选取合 适的特征提取算法。视觉 SLAM 算法其实时性非常重要，所以 本设计选择 ORB 算法进行图像的特征提取与匹配。下面先对 三种算法进行介绍。
1 视觉 SLAM 点特征提取与匹配算法分析
目前有两类方法去寻找特征点和特征点之间的对应关 系。第一种方法是先在图像中查找目前有的特征点，之后在 后续的图像中使用局部搜索的方法跟踪已得到的特征点。第 二种方法则是对所有图像独立的进行特征点检测，根据搜索 出的所有特征点进行相似性匹配。通常，在运动较缓慢，视角 较小的环境里采用第一种方法。在比较宽阔、运动大的环境 下进行第二种方法。
（6）
（2）计算 Hessian 矩阵，设输入函数 h(x,y)，则 Hessian
矩阵 H 可以表示为 ：
∂2h( x, y)
H
(
h
(
x,
y
)
)
=

∂
∂x2
2h( x,
y
)
∂x∂y
∂2h( x, y)
∂x∂y
∂2h( x,
y
)


∂x2
（7）
（3）Hessian 矩阵的行列式为 ：
= D( x, y,σ ) L( x, y,kσ ) − L( x, y,σ )
(3)
ห้องสมุดไป่ตู้
(2-4) 式子提供了高斯拉普拉斯算子 σ∆2G 的多尺度归
一化的高度近似 ：
σ∆2G =
∂G ∂σ
≈
G( x,
y,kσ )
Kσ
− G( x,
−σ
y,σ
)

(4)
可得 ：
G ( x, y,kσ ) − G ( x, y,σ ) ≈ (k −1)σ 2∆2G
L( x, y,σ ) = G ( x, y,σ )* I ( x, y)
（1）
其中，* 为卷积符号。
( ) G x, y,σ
=
1 2πσ 2
e ( ) − x2 + y2 / 2σ 2

(2)
构建高斯差分尺度空间 D( x, y,σ ) 是计算两个相邻因子
为 k 的尺度差值 ；
= D( x, y,σ ) (G ( x, y,kσ ) − G ( x, y,σ )) * I ( x, y)
42
2019.06
理论与算法
度操作，与此同时，利用积分图技术可以加快图像卷积的计
算。提高了效率缩短了时间。
SURF 特征描述子的提取方法如下 ：
（1）对整张图进行积分图的计算，通过 box filter，假设
输入图像为 f (x, y) , 则计算出积分图为 ：
xy
I(x, y) = ∑∑f (x, y) =i 0=j 0
理论与算法
2019.06
视觉 SLAM 中图像特征提取算法研究
周梦妮1,张国伟1,卢秋红2 （1. 上海电力学院自动化工程学院，上海，200082 ；2. 上海合时智能科技有限公司，上海，201100）
摘要 ：本文介绍了机器人同时定位与地图构建算法（SLAM，simultaneous Localization and Mapping）中的图像特征 提取算法，并进行 ORB 算法仿真。 关键词 ：同时定位与地图创建 ；图像特征提取 ；ORB 算法
1.1 SIFT 算法 David Lowe 首次提出 SIFT 算法，该算法被广泛应用与
机器人和机器视觉领域。SIFT 算法主要分为四个步骤。首先 进行尺度空间极值检测，搜索所有尺度上的图像位置。通过 高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点。 第二步进行关键点定位，在每个候选的位置上，通过一个拟 合精细的模型来确定位置和尺度。关键点的选择依据于它们 的稳定程度。第三步进行方向的确定，基于图像局部的梯度 方向，分配给每个关键点位置一个或多个方向。所有后面的 对图像数据的操作都相对于关键点的方向、尺度和位置进行
Research on Image Feature Extraction Algorithm in Visual SLAM
Zhou Mengni1，Zhang Guowei1, Lu Qiuhong2 (1.School of Automation Engineering,Shanghai University Of Electric Power,Shanghai,200082;2.