ORB-SLAM2学习笔记：ORBextractor的IC_Angle、computeOrbDescriptor、computeOrientation函数详解

一、IC_Angle函数解析

static float IC_Angle(const Mat& image, Point2f pt,  const vector<int> & u_max)
{
   
    int m_01 = 0, m_10 = 0;

    const uchar* center = &image.at<uchar> (cvRound(pt.y), cvRound(pt.x));

    // Treat the center line differently, v=0
    for (int u = -HALF_PATCH_SIZE; u <= HALF_PATCH_SIZE; ++u)
        m_10 += u * center[u];

    // Go line by line in the circuI853lar patch
    int step = (int)image.step1();
    for (int v = 1; v <= HALF_PATCH_SIZE; ++v)
    {
   
        // Proceed over the two lines
        int v_sum = 0;
        int d = u_max[v];
        for (int u = -d; u <= d; ++u)
        {
   
            int val_plus = center[u + v*step], val_minus = center[u - v*step];
            v_sum += (val_plus - val_minus);
            m_10 += u * (val_plus + val_minus);
        }
        m_01 += v * v_sum;
    }

    return fastAtan2((float)m_01, (float)m_10);
}

以下是IC_Angle函数的逐行解析及其原理说明：

---

功能概述

该函数用于计算图像特征点的方向角（ORB特征中的灰度质心方向），通过分析局部图像块的灰度分布，实现特征点的旋转不变性。核心思想是通过计算图像块的质心方向，确定特征点的主方向。

---

输入参数

1. image：输入的灰度图像（OpenCV Mat类型）。
2. pt：特征点坐标（Point2f类型，可能为浮点数，但会转换为整数像素位置）。
3. u_max：预计算的每行最大水平偏移量，用于控制圆形区域的采样范围。

---

代码解析

1. 初始化变量

int m_01 = 0, m_10 = 0;
const uchar* center = &image.at<uchar>(cvRound(pt.y), cvRound(pt.x));

• m_01和m_10：分别表示图像块的垂直和水平方向的一阶矩（用于计算质心）。
• center：指向特征点中心像素的指针（通过cvRound取整确保整数坐标）。

2. 处理中心行（v=0）

for (int u = -HALF_PATCH_SIZE; u <= HALF_PATCH_SIZE; ++u)
    m_10 += u * center[u];

• 目的：计算中心行（v=0）的水平方向矩。
• 原理：对中心行的每个像素，用水平偏移u加权灰度值，累加到m_10。
• 优化：直接遍历水平方向，无需处理垂直对称性。

3. 处理非中心行（v≥1）

int step = (int)image.step1();
for (int v = 1; v <= HALF_PATCH_SIZE; ++v) {
   
    int v_sum = 0;
    int d = u_max[v];
    for (int u = -d; u <= d; ++u) {
   
        int val_plus = center[u + v*step], val_minus = center[u - v*step];
        v_sum += (val_plus - val_minus);
        m_10 += u * (val_plus + val_minus);
    }
    m_01 += v * v_sum;
}

• step：图像每行的步长（字节数除以Mat元素大小）。
• 循环逻辑：
  • 外层循环：遍历垂直方向（v从1到HALF_PATCH_SIZE）。
  • 内层循环：根据u_max[v]确定每行的水平偏移范围d，保证采样区域为圆形。
• 对称性优化：
  • 同时处理v和-v行的像素（通过val_plus和val_minus）。
  • v_sum累加垂直方向梯度（val_plus - val_minus）。
  • m_10累加水平方向矩（u * (val_plus + val_minus)）。
  • m_01累加垂直方向矩（v * v_sum