视觉slam十四讲手写ORB中的badpoints检测

十四讲中的ch7程序部分主要讲解了关于orb提取特征点的编程实现，作为小白，在手写orb部分，关于boundary，patch的程序部分让我迷惑好久，今天貌似对其有了新的理解，顿感眼前一亮。

一、程序部分

手写orb中关于boundary、patch的代码部分

// compute the descriptor
void ComputeORB(const cv::Mat &img, vector<cv::KeyPoint> &keypoints, vector<DescType> &descriptors) {
  const int half_patch_size = 8;
  const int half_boundary = 16;
  int bad_points = 0;
  for (auto &kp: keypoints) {
    if (kp.pt.x < half_boundary || kp.pt.y < half_boundary ||
        kp.pt.x >= img.cols - half_boundary || kp.pt.y >= img.rows - half_boundary) {
      // outside
      bad_points++;
      descriptors.push_back({});
      continue;
    }

二、解读部分

half_patch_size变量：ORB检测Oriented FAST关键点时选取的图像块边长，即计算质心时选取的图像块区域边长，为长、宽各为16 pixel的区域。虽然16x16=256，但并不是描述子的向量长度。
half_boundary变量：ORB计算BRIEF描述子时所选取的图像块区域，为长宽各为32 pixel的图像块。
函数中利用if语句来进行badpoints的计数，在计算BRIEF描述子时，如果以该keypoints为中心的图像块，超出了图像范围，那么，在进行随机选取像素对时，其计算出的描述子将会是错误的，即该keypoints为badpoints。而以该keypoints为中心的图像块，其长和宽应该满足什么条件时，才能够超出图像呢？主要有四种况：

1、当kp.pt.x < half_boundary时，边长为boundary的图像块将在-x轴上超出图像。
2、当kp.pt.y < half_boundary时，边长为boundary的图像块将在-y轴上超出图像。
3、当kp.pt.x >= img.cols - half_boundary时，边长为boundary的图像块将在+x轴上超出图像。
4、当kp.pt.y >= img.rows - half_boundary时，边长为boundary的图像块将在+y轴上超出图像。
举例如下：
图像块中的中心点为关键点，当关键点的坐标为(half_boundary,half_boundary)时，正好为该关键点的图像块全部在图像中的临界坐标值，该keypoints为goodpoints。
上图中，关键点的坐标为(x,half_boundary)，其中x<half_boundary，属于第一种情况。在上图中我们可以看出，以该关键点为中心的图像块，超出了图像之外，当我们计算BRIEF描述子而随机选择像素对时，将会导致选取图像外的像素对，因此该关键点为badpoints，应当剔除掉。