97、实时无描述符特征跟踪技术解析

实时无描述符特征跟踪技术解析

在计算机视觉领域，特征跟踪是许多应用的基础，如视觉导航、3D 重建、视觉 SLAM 或增强现实等。传统的特征跟踪方法通常依赖于局部外观描述符，但这些方法计算成本高，不利于实时系统。本文将介绍一种基于纯 2D 位置的无描述符特征跟踪方法，该方法高效且可扩展，能够实现长期的特征跟踪。

1. 传统方法与本文方法对比

传统的特征跟踪方法主要基于局部图像块的比较，如经典的 SIFT 和 MSER 等。这些方法在宽基线匹配方面表现出色，但计算成本高，不适合在标准低成本硬件上运行的实时系统。

而本文提出的方法完全摒弃了每个点周围的局部光度结构，利用运动的连续性和全局一致性来指导匹配。该方法通过基于 Hessian 行列式（DoH）算子的显著性检测阶段，以及基于 RANSAC 变体的粗整体特征运动模型估计，实现了对 3D 点的长期跟踪，即使这些点的 2D 外观在序列中发生变化。

2. 方法概述

该特征跟踪器的工作分为三个阶段：
- 显著性点检测 ：在输入图像中检测显著点，以获得适合跟踪的初始特征集。为了在速度和准确性之间取得良好平衡，使用基于 DoH 算子的简单显著性算子，该算子基于局部最大值的聚合图像非线性测量，具有显著的重复性。
- 2D 度量运动模型估计 ：估计最佳对齐连续帧中检测到的点的 2D 度量运动模型。由于点检测失败和简化运动模型的限制，需要某种样本共识估计。为了实现实时计算，仅使用最显著点的简化集，并使用简单的运动预测器来指导和限制搜索。
- 点对应计算 ：计算与估