视觉slam-----第五篇 ORB特征

视觉slam-----第五篇 ORB特征

特征点

为了估计相机的运动，我们需要从图像中选取比较有代表性的点。这些点在相机视角发生少量变化后会保持不变，所以我们会在各个图像中找到相同的点。然后，在这些点的基础上，讨论相机位姿估计问题，以及这些点的定位问题。在经典 SLAM 模型中，把它们称为路标。而在视觉 SLAM 中，路标则是指图像特征（Features）。

特征是图像信息的另一种数字表达形式，在视觉里程计中，我们希望特征点在相机运动之后保持稳定。

常用的一些特征点算法，如著名的 SIFT, SURF，ORB等等，这些特征点能够拥有如下的性质：

1. 可重复性（Repeatability）：相同的“区域”可以在不同的图像中被找到。
2. 可区别性（Distinctiveness）：不同的“区域”有不同的表达。
3. 高效率（Efficiency）：同一图像中，特征点的数量应远小于像素的数量。
4. 本地性（Locality）：特征仅与一小片图像区域相关。

特征点由关键点（Key-point）和描述子（Descriptor）两部分组成。

关键点是指该特征点在图像里的位置，有些特征点还具有朝向、大小等信息。

描述子通常是一个向量，按照某种人为设计的方式，描述了该关键点周围像素的信息。描述子是按照“外观相似的特征应该有相似的描述子”的原则设计的。

因此，只要两个特征点的描述子在向量空间上的距离相近，就可以认为它们是同样的特征点。

在slam中，由于ORB算法非常的快速，远大于SIFT和ORB算法，这里只介绍ORB特征。

ORB 特征

ORB 特征亦由关键点和描述子两部分组成。它的关键点称为“Oriented FAST”，是一种改进的 FAST 角点，它的描述子称为 BRIEF（Binary Robust Independent Elementary Features）。因此，提取 ORB 特征分为两个步骤：

1. FAST 角点提取：找出图像中的” 角点”。相较于原版的 FAST, ORB 中计算了特征点的主方向，为后续的 BRIEF 描述子增加了旋转不变特性。
2. BRIEF 描述子：对前一步提取出特征点的周围图像区域进行描述。

Oriented FAST角点检测

FAST 是一种角点，主要检测局部像素灰度变化明显的地方，以速度快著称。它的思想是：如果一个像素与它邻域的像素差别较大（过亮或过暗）, 那它更可能是角点。过程如下：

1. 在图像中选取像素 $p$，假设它的亮度为 $I_p$。
2. 设置一个阈值 $T$(比如$I_p$的 20%)。
3. 以像素 $p$为中心, 选取半径为 3 的圆上的 16 个像素点。
4. 假如选取的圆上，有连续的 $N$ 个点的亮度大于$I_p+T$ 或小于 $I_{}$