基于ORB和LATCH相结合的特征检测与描述算法

　　针对基于学习安排的三元组（ LATCH）二进制描述子不具备尺度不变性且其旋转不变性，需要特征检测子辅助的问题，提出了一种基于快速定向旋转二进制稳健基元独立特征（ ORB）和LATCH相结合的特征检测与描述算法。首先，在图像金字塔尺度空间上进行加速段测试特征（ FAST）检测；然后，采用ORB灰度质心方法来进行方向补偿；最后，对特征进行LATCH描述。实验结果表明，所提算法具备运算量小、实时性高以及旋转和尺度不变性的特点，在相同的准确率下，其召回率优于ORB和哈里斯-LATCH（ HARRIS-LATCH）算法，其匹配内点率比ORB算法提高了4.2个百分点。该算法在保持实时性的同时进一步缩小了与基于直方图的尺度不变特征变换（SIFT）和加速健壮特征（ SURF）算法之间的精度差距，可对图像序列进行快速且精确的实时处理。