1,尺度不变性
计算机视觉界引入了尺度不变特征的概念。 它的理念是, 不仅在任何尺度下拍摄的物体都能检测到一致的关键点,而且每个被检测的特征点都对应一个尺度因子。 理想情况下,对于两幅图像中不同尺度的的同一个物体点, 计算得到的两个尺度因子之间的比率应该等于图像尺度的比率。
注意ORB并没有解决尺度不变性的问题,需要再加上图像金字塔的才能达到尺度不变性。
2,ORB特征匹配
ORB特征匹配,相比SIFT,SUFT来说更快,但是降低了一定的精度和健壮性。
ORB使用FAST关键点和BRIEF描述子,匹配方法使用的是暴力匹配。使用Hamming dist描述匹配点对的相似程度,可以通过设置阈值筛选掉多余的点。
3,针孔相机模型
针孔相机模型是指由世界坐标系到图像坐标系的转化,最后的式子如下
R
R
R和
T
T
T表示相机的位姿,又被称为外参。
K
K
K是固定的数值,称为相机的内参。
值得注意的是,这个式子隐含了一个有齐次到非齐次坐标的转化。因为
T
T
T是一个
4
×
4
4×4
4×4的矩阵,
T
P
TP
TP为一个是一个
4
×
1
4×1
4×1的矩阵,3维的齐次坐标,因此,需只要取
T
P
TP
TP的前三维和
K
K
K相乘。
此外,在非齐次化的同时,还可以进行归一化处理。归一化是指将坐标放置于相机前方 z = 1 处的平面上,相当于等式两边同时除以
Z
Z
Z