面向复杂石化场景的鲁棒MR特征匹配方法研究OA

复杂石化场景中设备类型多样、空间结构密集,管线、阀门、法兰等部件重复分布,且现场常伴随弱纹理、遮挡和视角变化等问题,给混合现实(Mixed Reality,MR)系统中的视觉定位与虚实配准带来较大挑战。针对上述场景下特征匹配鲁棒性不足、误匹配率高和连续帧定位易抖动等问题,提出一种面向复杂石化场景的鲁棒MR特征匹配方法。该方法采用粗到精匹配框架:首先通过共享特征提取网络获得查询图像和参考图像的多尺度特征表示,在低分辨率特征图上计算特征相似度,并结合双向匹配约束与局部一致性评价筛选可靠粗匹配点,以降低重复结构引起的匹配歧义;随后以粗匹配结果为先验,引入深度信息自适应约束局部搜索范围,在高分辨率特征图上进行精细匹配,以提高匹配点定位精度;最后,针对连续图像序列中匹配结果易受短时遮挡和运动扰动影响的问题,采用注意力机制和长短时记忆网络对匹配序列进行时序优化。实验结果表明,所提方法在石化场景数据集上的匹配精度、位姿估计误差、计算效率和时序稳定性均优于对比方法,能够满足复杂石化场景MR定位对精度、实时性和稳定性的基本要求。