车载立方体全景影像匹配点的粗差检测方法

针对低匹配内点率情况,利用随机抽样一致性算法(RANSAC)估计车载全景序列影像的极几何模型不稳定,造成大量匹配点的粗差无法检测或误检测问题,提出了一种基于多约束条件的粗差检测方法。以冗余粗差为约束条件,采用SIFT和最近邻匹配方法获取独立随机匹配点,并构建特征光流矢量。利用光流幅度和方向直方图统计结果,融合极线、尺度和天空点约束条件实现全景影像匹配点的粗差检测。通过不同数据的实验分析,在短基线条件下,可以有效地检测出大部分由纹理重复性、尺度变化和运动物体产生的匹配粗差点。与传统方法比较,本文方法可获得更高的匹配正确点数和正确率,尤其在场景复杂造成的低内点率情况下,算法表现较为稳定。