足球机器人视觉目标识别的PCA-SIFT算法  

Improved PCA-SIFT Algorithm for Soccer Robots Visual Target Identification

作　　者：李彤斐[1] 杨马英[1] 

机构地区：[1]浙江工业大学信息工程学院,浙江杭州310023

出　　处：《江南大学学报（自然科学版）》2013年第5期601-606,共6页Joural of Jiangnan University (Natural Science Edition)　

基　　金：浙江省重点科技创新团队项目(2009R50014)

摘　　要：针对Robocup类人组比赛的特殊环境,为了识别比赛双方机器人,并克服光照变化、图像扭曲等问题给识别目标带来的干扰,选用尺度不变特征变换(SIFT)算法进行特征提取。由于SIFT算法的实时性差,提出改进的PCA-SIFT目标识别算法,将主成分分析法(PCA)用于对经典SIFT算法中的128维描述子进行降维,并用最近邻法进行特征点的匹配。通过实验发现,经过PCA改进的描述子不仅提高了运算速度,匹配度也保持在较好的状态。This article aims to identify targets in the Robocup humanoid league competition environment,considering the problems of illumination changes,image distortions etc.In order to distinguish teammates from other players,we choose the scale invariant feature transform （SIFT） algorithm to extract the feature.Due to the heavy computational load of the SIFT algorithm,we proposed a PCA-SIFT target identification algorithm,in which the principal component analysis method （PCA） is applied to the 128-dimensional descriptors of the classical SIFT algorithm to reduce the dimensionality,and the nearest neighbor method is used to match the feature points.Experimental results illustrated that the improved PCA descriptors can enhance computational efficiency with a high matching degree.

关 键 词：Robocup类人组比赛 尺度不变特征变换 主成分分析法 最近邻方法 

分 类 号：TN911.73[电子电信—通信与信息系统]