ORBSLAM学习-图像特征点

最新推荐文章于 2024-07-10 20:02:45 发布

DongGang0907

最新推荐文章于 2024-07-10 20:02:45 发布

阅读量996

点赞数

本文链接：https://blog.csdn.net/DongGang0907/article/details/100125403

版权

本文深入探讨ORB特征点，包括FAST关键点检测和BRIEF描述子。介绍了FAST算法的角点检测原理，ORB如何通过Harris响应选择关键点，并利用灰度质心法确定方向。此外，还涉及BRIEF二进制描述子和特征匹配中的汉明距离及FLANN算法的应用。

摘要由CSDN通过智能技术生成

ORBSLAM学习

图像特征点

图像特征点

特征是图像信息的一种数学表达形式。
![图1.可以作为图像特征的店](https://img-blog.csdnimg.cn/20190828195157113.?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0RvbmdHYW5nMDkwNw==,size_16,color_FFFFFF,t_70)

相较于普通的角点，特征点主要有以下几点性质：
1. 可重复性：相同的“区域”可以在不同的图像中被找到。2. 可区别性：不同的“区域”有不同的表达。3. 高效率：同一图像中，特征点的数量应远小于像素的数量。4. 本地性：特征仅与一小片图像区域相关。
特征点由关键点和描述子两部分组成，关键点是指该特征点在图像中的位置，描述子通常是一个向量，按照某种人为设计的方式，描述了该关键点周围像素的信息。目前较为常用的特征特征方法有SIFT, SURF, ORB。目前来说速度较快的为ORB( Oriented FAST and Rotated BRIEF)特征点，其在Fast关键点的基础上加入了旋转平移描述子。