SLAM中的 ORB特征检测与匹配（理论篇）
《SLAM十四讲》视觉里程计第一部分的实践便是ORB特征检测
下面来讲讲ORB的理论：
ORB算法分为两部分，第一部分是特征提取算法即FAST算法，第二部分是特征描述子BRIEF，BRIEF将第一个算法发现的关键点变成特征向量，这些特征向量可以共同表示一个对象。
FAST
给与一个像素点 p，FAST 比较目标 p 圆圈范围中的 16 个像素，每个像素按高于 p、小于 p或者与 p 相似，分为三类。
在 FAST-12 算法中，为了更高效，可以添加一项预测试操作，以快速地排除绝大多数不是角点的像素。具体操作为，对于每个像素，直接检测邻域圆上的第 1，5，9，13 个像素的亮度。只有当这四个像素中有三个同时大于 I p + T 或小于 I p − T 时，当前像素才有可能是一个角点，否则应该直接排除。这样的预测试操作大大加速了角点检测。
FAST算法还是很好理解的，下面简单总结一下FAST算法的步骤：
BRIEF
BRIEF是在keypoint周边随机取点对进行灰度计算，直接得到二进制特征描述向量。在特征点附近随机的选取若干点对，将这些点对的灰度值大小组合成一个长为256的二进制字串，并将这个二进制字串作为该特征点的特征描述子。
BRIEF 算法首先利用高斯核对给定图像进行平滑处理，以防描述符对高频噪点过于敏感。然后，对于给定关键点，例如猫爪上的这个点。BRIEF 从该关键点周围界定好的邻域内随机选择一对像素，关键点周围的邻域称为 Patch，它是一个具有特定像素宽度和高度的正方形。
这里显示的随机对中的第一个像素，是一个蓝色正方形，它是从以关键点为中心的高斯分布中抽取的一个像素，标准偏差或分散趋势为 σ。
BRIEF是用二进制串描述局部特征，好处有二：一是很少的bit就能描述独特的性质；二是可以用汉明距离计算两个二进制串之间的特征，计算速度快。在实际应用中的好处是：算的准；算的快；省内存。
经验表明，用256甚至128个bit表示一个BRIEF特征就够用了。算的快，省内存，适合实时计算的应用，比如SLAM（省计算）或者三维重建（省存储）。
BRIEF描述子利用二进制（“0”和“1”）编码，因此在特征匹配时只需计算2个特征点描述子的Hamming距离。大量实验表明，不匹配特征点的描述子 的Hamming距离在128左右，匹配点对描述子的Hamming距离则远小于128。由于BRIEF的匹配速度远高于SURF和SIFT，因此应用较为广泛。
1、两个特征编码对应bit位上相同元素的个数小于128的，一定不是配对的。
2、一幅图上特征点与另一幅图上特征编码对应bit位上相同元素的个数最多的特征点配成一对。
BRIEF特征的建立和用于匹配，都很快。性能测试表明，BRIEF比SURF和U-SURF快，准确度差不多。
SLAM中的 ORB特征检测与匹配（理论篇）相关推荐
- ORB-SLAM2从理论到代码实现（三）：ORB特征提取和匹配理论和代码详解
1. 理论知识 特征点由关键点(Key-point)和描述子(Descriptor)两部分组成.ORB特征点(Oriented FAST and Rotated BRIEF)是由Oriented FA ...
- ORB 特征检测与匹配
#include <opencv2/opencv.hpp> #include <opencv2/xfeatures2d.hpp> #include <opencv2/xf ...
- ORB 特征提取算法（理论篇）
Abstract ORB 是 Oriented Fast and Rotated Brief 的简称,可以用来对图像中的关键点快速创建特征向量,这些特征向量可以用来识别图像中的对象. 其中,Fast ...
- OpenCV中的SURF特征检测、匹配与对象查找
SURF算法工作原理 选择图像中的POI(Points of interest) Hessian Matrix 在不同的尺度空间发现关键点,非最大信号压制 发现特征点方法.旋转不变性要求 生成特征向量 ...
- 特征匹配中OpenCV Dmatch类的用法解析以及非常详细的ORB特征提取与匹配解析
首先说明一点,在SLAM中进行特征提取和匹配时,需要注意使用的OpenCV版本,在使用OpenCV2.x版本时,可以创建特征对象如下所示(省略了参数表): ORB orb; SURF surf; SI ...
- 数字图像处理学习笔记（一）：特征检测和匹配概述
数字图像处理学习笔记(一):特征检测和匹配概述 参考博客: 特征点的匹配 SIFT特征详解 数字图像处理学习笔记(二):SIFT(尺度不变特征变换)算法 1.特征点概述 如何高效且准确的匹配出两个不同 ...
- 作为SLAM中最常用的闭环检测方法，视觉词袋模型技术详解来了
摘自:https://mp.weixin.qq.com/s/OZnnuA31tEaVt0vnDOy5hQ 作为SLAM中最常用的闭环检测方法,视觉词袋模型技术详解来了 原创 小翼 飞思实验室 今天 基 ...
- 模板匹配理论的优缺点,模板匹配和神经网络
1.模板匹配理论的优缺点 1.函数模板方式克服了C语言解决类似问题时使用大量不通函数名表示相关功能. 2.克服了宏定义不能进行参数类型检查的弊端. 3.克服了C++函数重载用相应函数名字重写几个函数的 ...
- Opencv实现Sift、Surf、ORB特征提取与匹配
在opencv3中,这三个算子都转移到一个名为xfeature2d的第三方库中,而在opencv2中这三个算子在nonfree库中. 关于在vs下配置opencv可参考我转载的另外一篇文章.注意版本号 ...
最新文章
- C# EF 基础操作
- 框架应用 : Spring MVC - 开发详述
- 由存储过程直接生成类文件
- css中定义超级链接的样式
- andorid程序UI线程下开启子线程闪退错误解决
- 将关闭窗口的按钮放在窗口右边
- 华硕2020年显卡_TrendForce集邦咨询：2020年液晶显示器年出货成长率达5.4%，华硕成长率居冠、三星排名上升...
- Particle Filter Tutorial 粒子滤波：从推导到应用（三）
- 轻量级 js取色器 JSColor
- ArcGIS中KML/KMZ转为.shp文件
- 2020华为外包机试题目
- 香港电影经典回顾之爱情二十四章经
- 计算机应用基础——计算机硬件（一）
- 一种基于STM32F1 MCU的增量型编码器测速的方法
- Three.js(2)---＞基础篇-Helpers(辅助对象/辅助线)
- NDIS中间层的驱动包截获技术教程
- 认识学习的重要性，拒绝摆烂
- 长沙高中计算机学校排名2015,长沙市所有高中学校排名,2021年长沙市重点高中分数线排名榜...
- Flutter 正式推出 Windows 平台支持
- 独立正交不相关定义关系