图像特征描述子之ORB

原文站点：https://senitco.github.io/2017/07/09/image-feature-orb/

  ORB(Oriented FAST and Rotated BRIEF)算法是对FAST特征点检测和BRIEF特征描述子的一种结合，在原有的基础上做了改进与优化，使得ORB特征具备多种局部不变性，并为实时计算提供了可能。

特征点检测

  ORB首先利用FAST算法检测特征点，然后计算每个特征点的Harris角点响应值，从中筛选出$N$个最大的特征点，Harris角点的响应函数如下：

$$R = detM-\alpha (traceM)^2$$
相关内容已在博文 FAST角点检测和 Harris角点检测分别做了详细的介绍。
FAST检测特征点不具备尺度不变性，可以像SIFT特征一样，借助尺度空间理论构建图像高斯金字塔，然后在每一层金字塔图像上检测角点，以实现尺度不变性。对于旋转不变性，原论文中提出了一种利用图像矩(几何矩)，在半径为r的邻域内求取灰度质心的方法，从特征点到灰度质心的向量，定义为该特征点的主方向。图像矩定义如下：

$$m_{pq}=\Sigma_{x,y} x^p y^q I(x,y),x,y \in [-r,r]$$
$I(x,y)$表示像素灰度值，0阶矩 $m_{00}$即图像邻域窗口内所有像素的灰度和， $m_{10}$和 $m_{01}$分别相对 $x$和相对 $y$的一阶矩，因此图像局部邻域的中心矩或者质心可定义为