视觉里程计 特征点法

视觉里程计的任务是估计相邻图像间相机的运动，分为特征点法和直接法。

1. 特征点法

1.1 概念

定义：特征点是图像当中具有代表性的部分，这些点在相机视角发生微小变化后依然保持不变

组成：由关键点和描述子两部分组成

关键点——位置、大小、方向

描述子——关键点周围的像素信息

1.2 ORB特征

组成：

关键点——Oriented FAST

描述子——BRIEF

1.2.1 FAST关键点

原理：主要检测局部像素灰度变化明显的地方，速度快，思想是若某像素点与其周围领域内足够多的像素点处于不同的区域，则该像素点可能为角点。也就是某些属性与众不同，考虑灰度图像，即若该点的灰度值比其周围领域内足够多的像素点的灰度值大或者小，则该点可能为角点。

算法步骤：

a.从图片中选取一个像素 P，它的亮度值设为Ip；

b.设定一个合适的阈值 t（比如Ip的20%）；

c.以像素 P为中心，选取半径为3的圆上16个像素点；

d.如果圆上有 n个连续的像素点的像素值大于Ip+t或小于Ip−t，那么p被认为是角点，n的值可以设置为12或者9，实验证明选择9可能会有更好的效果。

e.循环以上4步，对每一个像素执行相同的操作

上面的算法中，对于图像中的每一个点，我们都要去遍历其邻域圆上的16个点的像素，效率较低。进行改进来快速排除一大部分非角点的像素，只有当这4个像素中有3个大于Ip+t或者小于Ip−t时，当前像素 p才有可能是一个角点，否则排除。原始的FAST角点检测之后会出现角点集中的问题，采用非极大值抑制，在一定区域内仅保留响应值最大的角点。

•  OrientedFAST 改进的FAST

a.指定提取的角点数量

对原始FAST角点分别计算Harris响应值，然后选取前N个具有最大响应值的角点作为最终的角点集合

b.方向不变性和尺度不变性

添加了尺度和旋转的描述，尺度不变性通过构建高斯金字塔，然后在每一层金字塔图像上检测角点来实现，旋转利用灰度质心法来解决。灰度质心法假设角点的灰度与质心之间存在一个偏移，这个向量可以用于表示一个方向。对于任意一个特征点 p来说，我们定义 p的邻域像素的矩为：

其中 为点 处的灰度值。那么我们可以得到图像的质心为：

那么特征点与质心的夹角定义为FAST特征点的方向：

1.2.2 BRIEF描述子

是一种二进制描述子，在特征点附近通过一种选定的方法来挑选出来n个点对。然后对于每一个点对 (p,q)，我们来比较这两个点的亮度值，如果I(p)>I(q)则这个点对生成了二值串中一个的值为1，如果I(p)<I(q)，则对应为0。原始的BRIEF描述子不具有旋转不变性，在图像发生旋转时容易丢失，ORB在FAST特征点提取阶段计算了关键点的方向，所以可以利用方向信息，计算旋转之后的“SteerBRIEF”特征使ORB描述子具有较好的旋转不变性。

<