ORBSLAM2总结系列——ORBextractor

该系列出现，是因为之前都是没成系统的总结相关slam系统，现在对很多工具，理论都有了相应熟悉了解后，希望日后可以回读该系列，即可快速记起该slam系统的细节。暂时来说比较零散，后面会不断迭代紧凑，并可能与其他经典联动或触类旁通，相互学习，最终熟悉了解后，可以自己写一个slam系统。

• 理论知识点

  • 特征点

    • ORB特征点（FAST特征点，BRIEF描述子）提取

      • https://blog.csdn.net/liu502617169/article/details/89423494

      • FAST特征点

        • 使用OPENCV的关于FAST特征点提取的接口，步骤如下
          • 从图片中选取一个像素P，下面我们将判断它是否是一个特征点。我们首先把它的亮度值设为Ip；
          • 设定一个合适的阈值t；
          • 考虑以该像素点为中心的一个半径等于3像素的离散化的Bresenham圆；
          • 现在，如果在这个大小为16个像素的圆上有n个连续的像素点，它们的像素值要么都比Ip+t大，要么都比Ip−t小，那么它就是一个角点。（如图1中的白色虚线所示）。n的值可以设置为12或者9，实验证明选择9可能会有更好的效果。

      • 添加旋转方向

        • 用到patch ，HALF_PATCH_SIZE=15，生成一个umax数组（仅需表示四分之一圆，实际意义每一个v对应着最大的umax）
        • 
        • 

        

      • BERIF描述子

        • 描述子由256位组成。
        • 

      • 相关SIFT，SURF特征点(待补充)

  • 图像金字塔

    • 

  • 均匀化分区域提取

    • 程序中一并实现FAST特征点，区域均匀化抑制，计算特征点旋转方向，赋予特征点属性，

    • ComputeKeyPointsOctTree

      • 四叉树分区，最多分3次，或者达到需要数量后，剩下的区域仅有一个特征点（若有多个特征点则选取强度最高的剩下），假如分出来的区域没有特征点，该区域会去掉。

    • ComputeKeyPointsOld

      • 划分好区域直接提取到那么多特征点，过密的就滤去
    • 不同，四叉树的方法是像自适应的感觉，就从少不断增大，Old的方法就是划分了好多区域，直接滤去不适合的。