图像匹配获得旋转角度

在处理平面物体的视觉定位问题时（原文）

1 基于灰度的模板匹配（NCC等）

用灰度模板进行目标匹配通常会消耗较多时间，并且当目标存在旋转时，则需要构建多个角度的模板。例如，在（-30°, 30°）的角度范围内，并以1°为步长递增，则总共需要60个不同方向的模板；若希望达到更高的精度（如每0.1°），则所需模版数量将增加到600个以上。这样的方式显然效率不高。

2 图像主轴角的旋转匹配

当图像中的噪声水平较高且对比度不够清晰时（即形状对比度较低），主轴线的角度估计不够精确（即主轴角计算偏差较大），从而导致计算所得的旋转角度存在较大的偏差。

3 点模式匹配

利用模板与目标图像各自的特征点进行匹配，并建立相应的对应关系以计算仿射变换参数。该方法仅在特定类型的物体上有效；当遇到较大的图像噪声或呈圆形等复杂形状时，则难以准确提取出合适的角点。

4 sift（仿射无关特征变换）

这种方案同样可行，在处理高噪声图像时也会遇到问题。此外，在计算资源方面也存在一定的局限性：所提出的特征点数量通常较多，在工业场景中对实时性要求较高：SIFT算法则主要应用于立体匹配任务中，在平面检测任务中的应用则显得 somewhat overpowered.

5 边缘几何特征旋转角度估计

这种方法对边缘的高度依赖性非常明显；若目标存在缺陷，则无法达到理想中的精确度。即便如此，在1度的精度水平上也堪