orb-slam中的orb项目源码解析

最新推荐文章于 2024-07-10 20:02:45 发布

Fishmemory

最新推荐文章于 2024-07-10 20:02:45 发布

阅读量5.3k

点赞数 3

分类专栏：计算机视觉图像处理文章标签： orb特征

本文链接：https://blog.csdn.net/Fishmemory/article/details/53406431

版权

本文详细解析ORB-SLAM系统（version1）中的ORB特征部分，包括FAST特征点提取、特征点方向计算及描述符计算。首先，通过设定阈值和比例分配在不同金字塔层提取FAST特征点，再按响应值筛选保留前N个。接着，解释了如何计算特征点方向和构造256bit的ORB描述符。源码分析有助于理解其实现细节。

摘要由CSDN通过智能技术生成

在这一章节中，针对orb-slam（version1）中关于orb特征的部分进行详细的分析。
在上一章节中，我们知道orb提取的主要过程是：1.FAST提取特征点；2.计算特征点方向；3.计算特征点描述符。

1.FAST提取特征点
orb-slam中是采用这样的方法提取N个FAST特征点：假设期望提取的orb特征点个数是一定的，设为N，首先设定阈值以提取大于N个的FAST特征点，然后根据特征点的响应值排序筛选保留前N个特征点。

如何确定金字塔每一层应该提取的特征点个数？
orb-slam中是在 $L=8$ 个层上分别提取FAST特征，相邻层之间相差缩放系数 $k=1.2$ ，如果期望提取的总的FAST特征为N，那么分配到第 $i$ 层的特征点个数为 $N*k^{i-1}*\frac{1-k}{1-k^L}$ 。推导公式很简单，假设第一层分配的特征点个数为 $N*p$ ，即 $p$ 表示第一层总的特征点个数占所有特征点个数的比例，那么第二层至第 $L$ 层的特征点个数分别为