全向图像通常在径向方向上具有非线性失真。 不幸的是,诸如比例不变特征变换(SIFT)和描述符网络(D-Net)之类的传统算法在匹配全向图像时不能很好地工作,只是因为它们无法处理失真。 为了解决这个问题,提出了一种新的基于球形模型和D-Nets算法的投票算法。 由于基于球形的关键点描述符包含全向图像的失真信息,因此所提出的匹配算法对失真是不变的。 在三对全向图像上进行了关键点匹配实验,并对所提出的算法,SIFT算法和D-Nets算法进行了比较。 结果表明,所提出的算法比SIFT算法和D-Nets算法在匹配全向图像方面更加健壮和精确。 与SIFT和D-Nets相比,该算法具有两个主要优点:(a)有更多真实的匹配关键点; (b)匹配关键点的覆盖范围更广,包括严重失真的区域。