ORB特征

视觉里程计（VO）分为两种：特征点法的前端以及不提特征的直接法前端 ，特征点由关键点（Key-point）和描述子（Descriptor）两部分组成 ，ORB的关键点称为“Oriented FAST”，是一种改进的 FAST 角点【FAST 是一种角点，主要检测局部像素灰度变化明显的地方如果一个像素与它邻域的像素差别较大，如过亮或过暗 , 那它更可能是角点。但FAST 不具有方向信息等，这样当图像发生旋转后，brief描述子也会发生变化，使得特征点对旋转不鲁棒，ORB添加了尺度（尺度不变性由图像金字塔描述）和旋转（由灰度质心法实现）的描述】，ORB的描述子是 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 。

视觉金字塔：

尺度：尺度应该是在不同距离下观察同一物体的测量标准（参考系变化）图像处理中的尺度一般指的是图像的分辨率/某个物体的大小；尺度不不变性：即一幅图片中的某个物体的大小永远是那么大(设置一个标准尺度来度量)，而不是因为它所在图片的放大缩小而改变。这就是尺度不变性。

金字塔顶部是高度浓缩的，代表了整体的信息，而底端则较为细节。如果算法能够在顶端取得一个较好的初值，层层迭代到底端，就可以引导算法找到较好的收敛点。例如，在SLAM中，当原始图像的像素运动较大时，在金字塔顶端看来，运动仍然处于一个较少的像素范围内。

灰度质心法：

其是就可以理解为双层循环，无论是先定x 还是y

for (int x = -2; x < 3; x++)
{
    for (int y = -2; y < 3; y++)
    {
        m10 += x*I(x, y); //求解m10
        m01 += y*I(x, y); //求解m01
    }
}

BRIEF 描述子：

BRIEF 算法以检测到的特征点为中心，通过选取符合高斯分布的点对进行像素强度的对比，将对比的结果记录为二进制字符串，这个二进制字符串就称为该特征点的 BRIEF 描述子。两个二进制 BRIEF 描述子之间可以通过计算它们的汉明距离（Hamming Distance）来判断描述子是否匹配，这样简化了描述子匹配过程，也加快了描述子匹配的速度。

汉明距离越大表明图片差异越大，汉明距离可以用来计算两个文本之间的相似度，根据不同字符的个数来判断两个文本是否相似。汉明距离表示两个相同长度的字符串在相同位置上不同字符的个数。