orb_slam2源码分析与优化（1）——角点检测与描述子计算

这一部分相对比较简单，主要用到opencv的cv::FAST()函数。

文件：ORBextractor.cc

初始化过程除了必要的赋值以外，还主要做了3件事，（1）将总的特征数在不同的金字塔曾进行分配，而分配依据是尺度因子（作者默认为1.2，并不知道为什么是这个），然后层数越高特征数越少。所有层加起来就是指定的特征数。（2）将代码里面的sample复制。（3）计算patch里面的v的最大u，这里变量为umax。后两者都是为计算描述子做准备。

然后是计算金字塔，对尺度因子累乘就行了。

接下来角点检测。循环检测每一层金字塔，划分一定大小的patch，对每个patch进行角点检测，这里直接采用的cv::FAST。需要注意的是，代码里有两个FAST阈值，当大阈值检测不出来时换小阈值。其实，可以考虑自适应。

// 如果检测到的fast特征为空，则降低阈值再进行检测
    if (vec_keys_cell.empty())
    {
        cv::FAST(vec_image_pyramid_[level].rowRange(ini_y, max_y).colRange(ini_x, max_x),
            vec_keys_cell, min_fast_threshold_, true);
    }

很多时候图像的容易集中在某个局部，另外有很大一部区域角点很稀疏，这样计算出来的描述子很不理想，为了让角点分布更均匀合理，这里运用四叉树算法对角点进行再分布。将图像以中点为远点划分为四个象限：

ni.UL_ = cv::Point2i(interval_x*static_ca