针对采用传统加速旋转不变性特征提取算法对图像进行特征提取时存在的特征点分布不均匀、冗余特征较多的问题,提出了一种ORB特征四叉树均匀化处理算法。该算法通过构建高斯图像金字塔,对每层图像进行八叉树网格划分,进而进行FAST角点检测;对较难提取的网格进行降阈值再检测,实现FAST角点自适应提取。特征四叉树-数控滚圆机折弯机张家港钢管滚圆机折弯机滚弧机滚圆机根据角点进行四叉树划分,设计迭代算法计算节点;然后根据关键点的响应度,筛选出每个节点中最佳的关键点,从而大幅度降低冗余角点数。试验验证了所提算法得到的图像特征分布更均匀,且冗余特征明显减少,具有比传统算法更优越的性能。该算法可以用于不同研究领域,如视觉SLAM、三维重建、遥感超分辨率图像配准等对配准精度以及实时性要求较高的场合构建高斯图像金字塔［7］，对每层图像进行八叉树网格划分［8］，进而进行FAST角点检测本文由公司网站大棚折弯机网站 转摘采集转载中国知网整理!    http://www.dapengzhewanji.com/，对较难提取的网格进行降阈值再检测，实现FAST角点的自适应提取。根据角点进行四叉树划分［9］特征四叉树-数控滚圆机折弯机张家港钢管滚圆机折弯机滚弧机滚圆机，设计迭代算法计算节点。然后根据关键点的响应度［10］，筛选出每个节点中最好的关键点，从而大幅度降低冗余角点数。融合四叉树的思想，将特征点以四叉树的方式存储，这样可以有效剔除冗余重叠的特征点，使特征点均匀地覆盖到整个图像。Qtree_OＲB算法框图如图1所示。图1Qtree_OＲB算法框图角点自适应提取结合FAST［11］算法和Brief［12］算法，OＲB算法给FAST特征点增加了方向性，使特征点具有旋转不变性。同时提出了构建图像金字塔的方法，解决了尺度不变性。为了保证对每层图像金字塔FAST角点的提取精度，本文提出对构建图像金子塔中的每层图像金字塔进行八叉树网格划分，对划分网格作FAST自适应提取。在构建八叉树网格过程中，设定初始化阈值iniThFast，进行角点提取。当设定iniThFast=25时，效果比较理想，判定此时网格区域提取的角点是否为空。如果为空，则设定miniThFast=7效果比较理想;否则按初始化阈值进行FAST角点提取。width和height分别为图像的宽和高，i、j分别是行数和列数、Cols，Ｒows表示行分割数和列分割数，Chllw、Cellh表示行元和列元。每个网格范围为(Yini，Ymax)～(Xini，Ymax)。参数初始化，设置网格个数w=30，根据网格个数推导出行分割数Cols=width/w，列分割数特征四叉树-数控滚圆机折弯机张家港钢管滚圆机折弯机滚弧机滚圆机本文由公司网站大棚折弯机网站 转摘采集转载中国知网整理!    http://www.dapengzhewanji.com/