SLAM十四讲学习笔记2—— 特征点法

思路

由于每个图片里的像素点非常多，无法将所有点都进行对比。因此将每个图片中有特征的点提取出来进行对比。

步骤

1. 将图中特征点（关键点）提取出来：FAST ；
2. 匹配描述点附近图像块的编码关系：ORB；
3. 有了两图的二进制编码即可计算得两图位置（R、t）的关系：ICP；
4. 知道两图关系即可估计特征点代表的实际物体距相机的深度：三角化估计深度；

简化后思路

假设图片纹理丰富，可以简单的找到角点作为特征点进行匹配。进行匹配后可以找到两张图片的对应关系。（本课题不使用？）

特征点性质

代表性、可重复性（在A中有这个点同时在B中也可以看到这个点）、可区别性（这个点在A、B中存在的位置等信息有区别，可以用来进行比较）、高效（计算量小，对比速度要小于图片更新速度）、本地的部分。在本课题中由于使用SLAM需要进行实时定位，因此特征点提取必须非常之快，可以牺牲少量的准确性。

特征点的信息

位置（在哪？）、大小（取多大？）、方向（角点方向向外还是里？）、评分、自身信息（u、v、、s等）等——关键点（FAST/GFTT）

特征点的信息

1. 理想方