ORB: an efficient alternative to SIFT or SURF

转载请注明出处：http://blog.csdn.net/c602273091/article/details/56008370

介绍

目前SIFT特征准确度高，但是计算复杂度也高。很多时候需要用到匹配、追踪什么的，使用SIFT就比较慢。本文作者提出了ORB（Oriented FAST and Rotation BRIEF）特征。ORB有个特点是这个特征没有申请专利，另外这种特征的好处是：

1. 给FAST检测子方向和快速计算；
2. 高效计算带有方向的BRIEF特征

关键点（keypoint 就是图片中比较重要的位置，比如角点）使用FAST检测子寻找。

描述子（descriptor 就是对关键点进行描述）这里使用的是BRIEF描述子。但是BRIEF没有方向，所以这里就给BRIEF一个方向。

FAST关键点

FAST的基本方法可以写成：

图中是计算半径为3的FAST关键点。
1、计算1和9是否会大于阈值，如果大于阈值则可以进入下一个，否则就不是关键点。
2、计算1,9,5,13是不是大于阈值的个数超过3个，不是的话，就不是关键点。是的话进入下一步。
3、计算一个像素点，取周围距离为3的一个圆，然后这个像素点与周围的【1-16】的差值大于阈值的个数count，如果会大于阈值，则计算的count+1。如果count大于等于9，那么就作为候选项。
4、使用NMS，如果在3x3或5x5的邻域内，如果没有有比当前像素更大的score的点，那么就抑制这个点。

在ORB特征里，使用的是FAST-9，圆的半径是9（在这里也有人说FAST-9是半径为3，这个具体看了代码再说）

计算完这些以后，FAST特征没有对特征的正确度进行排序，所以这里使用了Harris角点进行计算排序。首先去较低的阈值获取超过N个关键点，然后再根据Harris角点的计算进行排序。与此同时，FAST没有产生多尺度的特征，所以使用在计算图片的尺度金字塔，在不同尺度计算FAST关键点。

之后需要计算FAST的方向了&