基于ORB特征匹配档案自动定位识别技术的研发与应用

李景华 任炜 化晨冰 彭籽萱 刘涛 高文举

摘要：使用ORB特征点进行图像特征提取的档案管控系統，实现了高效的特征点提取，保证了系统的实时性与准确性。在ORB中，使用BRIEF描述子来描述特征点的特征，利用汉明距离来计算两个描述子之间的相似度，缩短了计算耗时，结合二维码图像识别技术，确保了图像识别精准。

关键词：ORB;BRIEF;汉明距离;二维码

0引言

近年来随着硬件设备计算能力的提高，物联网领域的研究进入了高速发展的时代，作为该领域的核心问题之一的定位问题也越来越受到更多人的关注。基于视觉的定位方法因为效率高、精度好的特点而被广泛使用。本文在基于特征匹配的视觉定位系统中，使用ORB特征点来进行图像特征的提取，在实现图像拼接过程中，ORB算法能够较好地解决运行实时性问题[1]，确保了系统的实时性与准确性。

1ORB特征点提取

本文在ORB特征点的计算过程中，首先检测了FAST角点，FAST角点的检测方法是，以某个像素作为候选点，计算以这个点为圆心半径为3的圆周上的16个点与候选点的亮度差值的绝对值，若有N个点的差值大于设定的阈值，就认为这个点为一个FAST特征点。根据N取值的不同，通常使用FAST-12方法或FAST-9方法作为角点的检测方法。本文使用的ORB特征检测算法中使用的是FAST-12方法，在FAST-12方法中，在原始算法的基础上又添加了预测试操作，即首先检测圆周上第1、5、9、13个像素点与候选点的亮度差，若有三个以上的像素点的差值大于阈值，才会进行正式的角点检测计算，否则直接放弃当前候选点。这种预操作在原本的算法上又提升了检测速度，同时对最终角点的计算结果影响较小。

2图像特征匹配

在得到两帧图像的特征点后，就可以根据这些特征点的描述子来计算哪两个特征点是匹配的，即哪两个特征点描述了相同的图像特征。使用汉明距离来进行描述子之间的特征匹配是一种常用的特征匹配算法，也是本文中使用的特征匹配方法。

汉明距离[2]可以用来描述两组二进制数据之间的相似程度，它计算了两组二进制数据对应位置的值不相同的组数，这个值越小说明两组数据越相似。在特征点的检测过程中，本文使用了BRIEF作为ORB特征的描述子，这种描述子是以二进制形式储存的，因此非常适合用汉明距离来计算两个描述子之间的相似度。在计算过程中，可以通过异或运算来计算汉明距离，这种计算方法大大缩短了匹配计算所消耗的时间。

3条码识别

3.1总体流程

首先对拍摄的图像进行图像预处理，然后对预处理的图像根据二维码探测图形的特点进行定位。定位之后对图像进行旋转校正得到方形的二维码图像。根据二维码的四个坐标对二维码进行模块采集得到二维码的数据流。然后根据相应的纠错算法进行纠错，纠错之后就进行译码。

3.2图像预处理

二维码图像预处理可以分为3个部分：彩色图像的灰度化，利用中值滤波进行图像平滑以及利用灰度图像二值化技术分割图像。

3.2.1彩色图像灰度化

实际情况下，通常直接采集到的是彩色图像，每个像素有RÄGÄB三个颜色分量，每个颜色分量的取值范围为0到255。二维码是以黑白模块构成，而颜色不包含任何信息（这里指的是传统二维码，彩色条码除外），所以首先要对采集到的彩色图像进行灰度化处理，本文采用另一种方法灰度化图像。

3.2.2图像去噪

设备采集到的图像一般都因受到干扰而含有噪声。条码图像的噪声主要来自两个方面。首先是条码表面的各种形式的污损，这方面噪声只能凭借条码本身的纠错算法进行纠错。噪声的另外一个来源是来自光学采集系统，这部分的噪声是满足泊松分布的盐粒噪声，用适当大小的矩形窗口的中值滤波非常适于条码图像。中值滤波是抑制噪声的非线性处理方法。对于给定的n个数，将它们按大小有序排列。当n为奇数时，处于中间位置的那个数值称为这n个数的中值。当n为偶数时，位于中间位置的两个数值的平均值称为这n个数的中值。中值滤波的方法运算简单，易于实现，而且能较好地保护边界但有时会失掉图像中的细线和小块的目标区域。本系统直接调用OpenCV的cvSoomth（）函数即可实现。

3.2.3图像二值化

因为二维码是由黑白模块组成的，本身分割较为明显，所以二维码的图像分割通常采用二值化方法，二值化方法具有速度快，容易实现等优点。二值化方法是通过选取阈值，然后用阈值来对图像中每个像素进行判断，如果灰度值大于该阈值，则用灰度值的最大值替换该像素值;相反，若灰度值小于阈值，则用灰度值的最小值替换该像素值。二值化算法过程就是求解阈值的过程，根据阈值选取范围的不同二值化算法又可分为全局阈值算法和局部阈值算法。全局阈值算法是选用唯一且固定的阈值对整幅图像进行二值化处理，当图像的灰度直方图具有明显双峰时全局阂值算法处理结果较好;局部阈值算法是通过将图像划分为若干局部窗口，然后对每个窗口分别计算阈值并进行二值化处理，局部阈值算法对于复杂图像（亮度不均，有噪声或是背景灰度变化比较大）二值处理效果好，但是增加算的复杂度。

本文采用局部阈值进行图像二值化，算法思想是：将以当前像素为中心的一个邻域内，灰度值的最大值和最小值的平均值作为该像素的阈值，然后用该阈值对当这个像素进行二值化，每个像素的闭值单独计算，所以算法的复杂度较高。设当前像素坐标为（x，y），邻域窗口选用以当前像素为中心的正方形，正方形边长为2w+1。

4结语

本文档案管控系统中的视觉定位系统部分使用ORB特征点来进行图像特征的提取，实现了高效的特征点提取，保证了系统的实时性与准确性。根据二维码的四个坐标对二维码进行模块采集得到二维码的数据流，对色相，饱和度，亮度进行处理，确保了图像识别精准。

参考文献

[1]高强，潘俊.基于ORB的图像特征提取与匹配研究[J].福建电脑，2019，1（10）：21-22.

[2]乔屾，吕志民，张楠.基于汉明距离的改进粒子群算法求解旅行商问题[J].计算机应用，2017，37（10）：2767-2772.