【逐函数讲解ORB_SLAM2源码】11.具有旋转不变性的描述子

已于 2022-05-04 09:47:31 修改
阅读量468 收藏 1
点赞数 1
分类专栏： 从零开始学SLAM 文章标签： ORB_SLAM2 ORB_SLAM3
于 2022-04-11 17:44:29 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_21950671/article/details/124104990
版权
该博客详细讲解了ORB_SLAM2中如何通过BEIFE描述子实现旋转不变性。视频部分直观展示源码解读，原理部分介绍了以特征点为中心，计算灰度质心和描述子的过程，以及如何选择点对生成256位描述子。代码部分涉及图像高斯滤波和特征点坐标缩放以确保尺度不变性。
摘要由CSDN通过智能技术生成

视频讲解

逐函数讲解ORB_SLAM2源码｜11.具有旋转不变性的描述子

原理讲解

BEIFE描述子计算步骤,首先以特征点为圆心, 半径位15个像素的的圆形范围,计算灰度质心和描述子
在这个图像块内按照一定的方法选择N对点,N一般取256(一定的方法会生成256个点对,就是前面转换的那个pattern)
256个随机点对,生成256位的描述子信息,每个位bit的值是0或者1,每一位来自与点对的比较结果
8, -3, 9, 5 这四个值就是 相对于特征点的坐标,选取的点对,所以后面我们会将这个相对位置进行旋转来达到旋转不变性
同时根据图像的矩阵存储结构来推算这两个点对位置对应的像素值,进而生成0或者1的比较结果, 所以描述子由256位的二进制数字组成

代码讲解

const float factorPI = (flo
了解本专栏 订阅专栏 解锁全文 超级会员免费看
小秋slam入门实战
关注
专栏目录
订阅专栏
【逐函数讲解ORB_SLAM2源码】9.四叉树实现特征点均匀化
小秋 AI SLAM 入门实战教程
04-11 528
视频讲解 图文讲解 // Finish if there are more nodes than required features or all nodes contain just one point // 当上面分裂结束上面节点分裂的过程 添加微信 xlamshizhanjiaocheng 可进入交流群 if ((int) lNodes.size() >= N || (int) lNodes.size() == prevSize) {
ORB-SLAM 解读(二) ORB描述子如何实现旋转不变性
Hali_Botebie的博客
04-13 1592
https://mp.weixin.qq.com/s/GwOKauS6xKtLeCL3KKfZ4w 师兄：在关键点部分我们根据灰度质心法得到关键点的旋转角度后，在计算描述子之前我们会先用这个角度进行旋转。如下图所示P为圆形区域的几何中心，Q为圆形区域的灰度质心，我们的目的就是把下图左中像素旋转到和主方向坐标轴对齐。 师兄：前面我们用Oriented FAST确定了关键点，下面就要对每个关键点的信息进行量化，计算其描述子。ORB特征点里的描述子是在BRIEF基础上进行改进的，称之为Steered BRIEF
VSLAM系列原创02讲 | ORB描述子如何实现旋转不变性？原理+代码
计算机视觉life
03-27 1014
本文系ORB-SLAM2原理+代码实战系列原创文章，对应的视频课程见： 如何真正搞透视觉SLAM？ 大家好，从今天开始我们陆续更新ORB-SLAM2/3系列的原创文章，以小白和师兄对话的形式阐述背景原理+代码解析，喜欢的点个赞分享，支持的人越多，更新越有动力！如有错误欢迎留言指正！ 代码注释地址： https://github.com/electech6/ORB_SLAM2_detailed_comments VSLAM系列原创01讲 | 深入理解ORB关键点提取：原理+代码 接上回继..
ORBSLAM2-灰度质心法求旋转不变性
ningxiner2016的博客
03-18 1260
ORBSLAM2-灰度质心法求旋转不变性代码 代码 当使用和四叉树的策略，将ORB特征点均匀的分布在在图像中后，接下来就需要进行计算方向，因为FAST角点与Brief描述子是不具备旋转不变性的，因此用灰度质心法计算旋转不变性。 const int scaledPatchSize = PATCH_SIZE*mvScaleFactor[level];//定义每层patch_size的缩放，，这边就是在前面系统构造函数中所画的圆的直径，因为在图像金字塔中，每层的图像大小是不一样的，因此计算的圆的大小也是不一..
为什么拉普拉斯算子具有旋转不变性
Alliswell_WP
03-28 1616
看《图像局部不变性特征与描述》遇到的issue 基本理论: 拉普拉斯算子是最简单的各向同性微分算子，具有旋转不变性。一个二维图像函数 的拉普拉斯变换是各向同性的二阶导数: 为了更适合于数字图像处理，将该方程表示为离散形式： 另外，拉普拉斯算子还可以表示成模板的形式，如下图所示。图（a）表示离散拉普拉斯算子的模板，图（b）表示其扩展模板，图（c）则分别表示其他两种拉普拉斯的...
一图看懂ORB中的旋转不变性
ldk3679的博客
04-08 3793
Oriented FAST关键点 ORB在提取FAST关键点阶段，利用灰度质心法计算出了关键点附近的图像灰度质心，将关键点与质心连线的方向向量规定为关键点的方向，解决了FAST没有方向的问题，该关键点称为Oriented FAST 。计算得到的图像块的质心坐标为： 其中 x、y为以关键点为中心的图像块中的像素坐标。 当图片旋转时，图像块以关键点为中心计算质心的像素坐标并未发生变化，即，质心在图...
ORB-SLAM2从理论到代码实现（十六）：ORB关键点提取和描述子
人无远虑，必有近忧
09-23 781
特征点由关键点和描述子组成，关键点是该特征点在图像中的位置，有些还包括方向、大小等信息，描述子是用来描述该关键点周围像素的一种描述方法，外观相似的关键点应该具有相似的描述子，想要判断两个不同位置的关键点是否相似，可以通过计算他们之间描述子的距离来确定。
【ORB_SLAM3源码解读】IMU基础介绍、IMU姿态、速度、位置解算以及误差方程、坐标系
小秋 AI SLAM 入门实战教程
04-29 8982
ORB_SLAM3优势 IMU(Inertial Measurement Unit),惯性测量单元 • 典型 6 轴 IMU 以较高频率(≥ 100Hz)返回被测量物体的角速度与加速度 • 受自身温度、零偏、振动等因素干扰,积分得到的平移和旋转容易漂移 六自由度 IMU 本身由一个陀螺仪和一个加速度计组成,分别测量自身的角速度和加速度。 IMU 适合计算短时间、快速的运动; 快速响应,不受成像质量影响,角速度普遍比较准确,可估计绝对尺度 存在零偏,低精度 IMU 积分位姿发散,高精度价格昂贵 可利用视觉定位
orb_slam_detailed_explanation-master.zip
12-11
1. **ORB特征**：ORB特征是FAST关键点与BRIEF描述符的结合，具有旋转不变性和尺度不变性，适合于移动平台上的视觉SLAM应用。FAST检测器用于快速找到图像中的角点，BRIEF描述符则用于这些关键点的描述和匹配。 2. **...
ORB_SLAM2算法是如何对加载后的图像进行去畸变的？
小秋 AI SLAM 入门实战教程
04-08 1956
LEFT.D、LEFT.K、LEFT.R是Opencv标定出来的内外参数，LEFT.P是左相机和右相机生成的虚拟相机的参数，包含旋转和平移(baseline)，更新的是fx、fy、cx、xy。对每个相机，函数计算像素域中的单应性矩阵H作为修正变换，而不是3D空间中的旋转矩阵R。使用 OpenCV 的 remap 函数,首先需要定义在重映射处理中使用的映射参数,因此,目标图像中的像素可以映射回一个非整数的值(即处在两个像素之间的位置),这使我们可以随意定义映射参数,非常实用。通过移动像素修改图像的外观。
局部图像描述子——SIFT（尺度不变特征变换）
Flamingo的博客
08-06 2458
文章目录SIFT（尺度不变特征变换）1 兴趣点、描述子2 检测兴趣点3 匹配描述子4 总结 SIFT（尺度不变特征变换） SIFT即尺度不变特征变换，是用于图像处理领域的一种描述。这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子。 SIFT算法的特点有： SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性； 独特性好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配； 多量性，即使少数的几个物体也可以产生大量的
描述子
FJY_sunshine的博客
09-18 3864
描述子（Descriptor）是刻画特征的一个数据结构，一个描述子的维数可以是多维的。
LBP特征学习及实现
热门推荐
Where there is life, there is hope
01-13 2万+
老外的原文：《Multiresolution gray-scale and rotation invariant texture classification with local binary patterns》 Timo Ojala, Matti PietikaÈ inen,2002   本文将对这篇文章做部分翻译，最后将分别给出下列代码实现 。灰度不变性LBP( gray scale i
旋转不变性 尺度不变性
u012910595的博客
09-12 1万+
旋转不变性：只要对特征定义了方向，然后在同一个方向上进行特征描述就可以实现旋转不变性。 尺度不变性：为了实现尺度不变性，需要给特征加上尺度因子。在进行特征描述的时候，将尺度统一就可以实现尺度不变性了。 所谓的旋转不变性和尺度不变性的原理，就是我们在描述一个特征之前，将两张图像都变换到同一个方向和同一个尺度上，然后再在这个统一标准上来描述这个特征。同样的，如果在描述一个特征之前，将图像变换到同一
opencv旋转不变性LBP理解
joyopirate的博客
10-09 1605
参考资料： https://blog.csdn.net/qq_26898461/article/details/46875517 https://www.cnblogs.com/mikewolf2002/p/3438698.html https://blog.csdn.net/simonforfuture/article/details/78852173 （下面的这些讨论都是基于最近在做的图像分类进行的） 旋转不变性：也就是字面意思，图像的该特征不会因为图像旋转或者拍摄对象的旋转而发生改变。 举个例子，假如
旋转不变性
huangxiaojie的专栏
09-17 1万+
在数学里，给予一个定义于内积空间的函数，假若对于任意旋转，函数的参数值可能会改变，但是函数的数值仍旧保持不变，则称此性质为旋转不变性（rotational invariance），或旋转对称性（rotational symmetry），因为函数对于旋转具有对称性。例如，假设以xyz-参考系的原点为固定点，任意旋转xyz-参考系，而函数 的数值保持不变，因此，函数 对于任意旋转具有不变性
ubuntu20.04 error from syntax check of orb_slam2/manifest.xml
最新发布
05-01
这个问题的提示信息是“来自orb_slam2/manifest.xml语法检查的错误”。一般来说，这种错误提示是由于一个XML文件的语法错误导致的。通常，XML文件在被读入程序之前会经过一个语法检查。如果XML文件中包含任何不符合...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小秋slam入门实战

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值