随着社会经济与科技的高度发展,工业生产也逐步地向高速化、智能化方向发展,基于机器视觉的全自动智能灯检机定会取代人工灯检成为未来医药生产的必然趋势所在。但智能灯检机成像系统在对药瓶拍取序列图像时,会在水平方向和垂直方向产生微小的运动偏移。这种运动偏差仍会在图像上导致较大的像素偏差量,进而导致在后续的视觉处理系统中做图像的差分处理时会产生许多错误的特征,给后续帧间差分来进行异物的识别与判断加大了难度,增加了系统的误判率。通过对运动估计各类算法的综合比较,以及对图像应用场景的特点与实时性能要求的综合考虑,论文选用了基于特征点的匹配方法求解运动矢量。并针对基于点的算法计算量大,无法保证实时性的问题,采用了改进的“FAST特征点检测+BRIEF二进制描述”的特用组合方式对图像进行匹配。利用匹配点对的坐标信息来精确地求解图像运动偏移矢量。并对FAST与BRIEF算法的缺点特性进行改进,论文通过FAST算法的阈值选取,既剔除了大量的伪特征点,又保留了绝大多数的真实特征点。同时针对FAST对噪声敏感的问题,经过滤波削弱噪声影响,在少量的时间代价下获得了更为稳定的特征点;随后用子窗口代替单个像素的方法生成对噪声更鲁棒更稳定的BRIEF描述子;最后利用距离阈值与分块匹配策略,进一步提高算法的匹配精准度。在得到了稳定性强和误差范围小的位移偏差数据后,统计位移偏差数据的直方图,利用直方图的峰值与辅值,加权求出图像的运动位移偏差补偿量。论文在经过对工业实时生产图像的实验仿真对比后,论文算法表现优于原有的FAST算法与BRIEF算法组合,在论文智能灯检机的应用中也均优于现有的一些经典算法,具有很好的可行性。