局部特征提取通常作为计算机视觉和图像处理等任务的第一步,例如:宽基线匹配,图像拼接以及图像分类等问题,因此局部特征性能的优劣直接影响整个系统最终性能的好坏。随着RGB-D(depth)传感器的快速发展,消费级别的RGB-D摄像机逐渐得到普及。相较于传统的RGB摄像机,RGB-D摄像机可以直接获取场景的深度信息,对于提高局部特征的性能有着天然的优势,因此设计一种高性能的RGB-D局部特征有着非常大的应用价值。局部特征提取主要涉及特征检测、特征描述和特征匹配,孤立研究其中某一内容对于局部特征性能的提升是有限的,因此如何合理地利用RGB-D信息构建局部特征是一项非常有技巧性的课题。本文主要针对现有的RGB-D描述算子LOIND(Local Ordinal Intensity and Nor-mal Descriptor)[1]进行优化,同时提出与其耦合度更高的RGB-D 检测算子,明显提升了RGB-D局部特征的性能。为了客观全面地评测RGB-D局部特征的性能,我们设计采集了标准的RGB-D局部特征评测数据集。本文主要内容和成果如下:1.将RGB-D摄像机固定在高精度的机械臂上,完成手眼标定后进行数据采集。设计采集了3大类,15小类的RGB-D数据集,包含尺度变换、旋转变换、视角变换以及光照变换,为局部特征研究者提供了极大的便利性。2.将自相关函数的思想分别作用于灰度图和点积图,从而设计了一种融合纹理信息和深度信息的RGB-D特征检测算子,解决了Harris检测算子[2]在光照变化剧烈时,检测失败的问题。同时该检测算子融合深度信息的方式与LOIND[1]比较一致,因此检测算子和描述算子的耦合度较高,明显地提高了 RGB-D局部特征的性能。3.基于点云重投影完成尺度估计和主方向估计,增强了RGB-D局部特征对于尺度变换和旋转变换的鲁棒性。同时从算法细节和代码两方面对LOIND[1]描述算子进行优化,进而提升RGB-D局部特征算子的时间效率和鲁棒性。