02 特征点提取器 ORBextractor

02 特征点提取器 ORBextractor

2.0 基础知识

2.0.1 图像金字塔

（1）尺度不变性：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。

（2）图像金字塔

将原始图像按照 1:1.2 的比例依次缩小，得到 n 幅图像，形如金字塔。观察这 n 幅图像，我们似乎离场景越来越远，这样就用一幅图像制造出了深度变化的效果。

在 SLAM 中，我们对这 n 张图像分别提取特征点，就相当于得到了不同距离的特征，涵盖了更多的尺度。试想一下，假设第一次我们在 10m 处获取一幅图像，经过图像金字塔，相当于得到了 $\frac{10}{1.2}$、 $\frac{10}{1.2^2}$、 $\frac{10}{1.2^3}$… 等处共 n 个不同距离的图像；当我们下次再处于不同距离拍摄该处场景时，就有更多的图像与特征点进行匹配。这样就解决了尺度导致的特征点匹配问题。

参考：https://blog.csdn.net/u011341856/article/details/103707313

2.0.2 ORB 特征点的关键点和描述子

ORB 的关键点是在 FAST 关键点基础上进行了改进，主要是增加了特征点的主方向，称之为 Oriented FAST。

描述子是在 BRIEF 描述子基础上加入了上述方向信息，称之为 Rotated BRIEF。

2.1 构造函数：ORBextractor()

构造函数原型

ORBextractor::ORBextractor(int _nfeatures, float _scaleFactor, int _nlevels, int _iniThFAST, int _minThFAST)

（1）从 yaml 文件中读取参数（以 KITTI00-02.yaml 为例）

成员变量	意义	在yaml中变量名	值
int _nfeatures	期望提取的特征点个数	ORBextractor.nFeatures	2000
float _scaleFactor	金字塔相邻层级缩放因子	ORBextractor.scaleFactor	1.2
int _nlevels	金字塔层数	ORBextractor.nLevels	8
int _iniThFAST	提取 FAST 特征点的默认阈值	ORBextractor.iniThFAST	20
int _minThFAST	如果使用默认阈值提取不到特征点则使用最小阈值再次提取	ORBextractor.minThFAST	7

根据上述变量的值计算出下述成员变量:

变量	意义	值
std::vector<float> mvScaleFactor	各层级缩放系数	{1, 1.2, 1.44, 1.728, 2.074, 2.488, 2.986, 3.583
std::vector<float> mvInvScaleFactor	各层级缩放系数的倒数	{1, 0.833, 0.694, 0.579, 0.482, 0.402, 0.335, 0.2791}
std::vector<float> mvLevelSigma2	各层级缩放系数的平方	{1, 1.44, 2.074, 2.986, 4.300, 6.190, 8.916, 12.838}
std::vector<float> mvInvLevelSigma2	各层级缩放系数的平方的倒数	{1, 0.694, 0.482, 0.335, 0.233, 0.162, 0.112, 0.078}
std::vector<int> mnFeaturesPerLevel	每一层期望提取的特征点个数（正比于图层边长,总和为 nfeatures）	{122, 146, 174, 210, 252, 302, 362, 432}

（2）初始化用于计算描述子的 pattern 变量，也就是用于计算描述子的 256 对坐标

static int bit_pattern_31_[256*4] =
{
    8,-3, 9,5/*mean (0), correlation (0)*/,
    4,2, 7,-12/*mean (1.12461e-05), correlation (0.0437584)*/,
    -11,9, -8,2/*mean (3.37382e-05), correlation (0.0617409)*/,
    ...
}

共 256 行，每一行表示一对坐标点，如第一行为 (8, -3) 和 (9, 5)。

（3） 在提取 Oriented FAST 关键点后，还需要计算每个点的描述子。即以关键点为圆心，在半径为 16 的圆的范围内，计算特征点主方向和描述子。

（注：图片中半径为 8，仅作示意）

成员变量 std::vector<int> umax 中存储的是逼近圆的第一象限内 $\frac{1}{4}$ 圆周上每个 v 坐标对应的 u 坐标。为保证严格对称性,先计算下 45° 圆周上点的坐标，再根据对称性补全上 45° 圆周上点的坐标。

int vmax = cvFloor(HALF_PATCH_SIZE * sqrt(2.f) / 2 + 1); 	// 45°射线与圆周交点的纵坐标
int vmin = cvCeil(HALF_PATCH_SIZE * sqrt(2.f) / 2);			// 45°射线与圆周交点的纵坐标

// 先计算下半45度的umax
for (int v = 0; v <= vmax; ++v) {
	umax[v] = cvRound(sqrt(15 * 15 - v * v));	
}

// 根据对称性补出上半45度的umax
for (int v = HALF_PATCH_SIZE, v0 = 0; v >= vmin; --v) {
    while (umax[v0] == umax[v0 + 1])
        ++v0;
    umax[v] = v0;
    ++v0;
}

2.2 构建图像金字塔 ComputePyramid()

变量	访问控制	意义
std::vector<cv::Mat> mvImagePyramid	public	存储图像金字塔每层的图像
const int EDGE_THRESHOLD	全局变量	为计算描述子和提取特征点补的 padding 厚度

函数原型

void ORBextractor::ComputePyramid(cv::Mat image)
{
	//开始遍历所有的图层,levels是yaml文件里面的
    for (int level = 0; level < nlevels; ++level)
    {
		//获取本层图像的缩放系数，mvInvScaleFactor[level]是从orbextrator得到的
        float scale = mvInvScaleFactor[level];
		//计算本层图像的像素尺寸大小
        Size sz(cvRound((float)image.cols*scale), cvRound((float)image.rows*scale));
		//全尺寸图像。包括无效图像区域的大小。将图像进行“补边”，EDGE_THRESHOLD区域外的图像不进行FAST角点检测
        Size wholeSize(sz.width + EDGE_THRESHOLD*2, sz.height + EDGE_THRESHOLD*2);
		// temp是扩展了边界的图像,是一个构造函数,拷贝了wholeSize的图像
        Mat temp(wholeSize, image.type()), masktemp;
        // mvImagePyramid 刚开始时是个...空的vector<Mat>
		// 将扩充后的图像拷贝给mvImagePyramid容器
        mvImagePyramid[level] = temp(Rect(EDGE_THRESHOLD, EDGE_THRESHOLD, sz.width, sz.height));

        // Compute the resized image
		//计算第0层以上resize后的图像
        if( level != 0 )
        {
			//将上一层金字塔图像根据前文设定sz缩放到当前层级
            resize(mvImagePyramid[level-1],	//输入图像
				   mvImagePyramid[level], 	//输出图像
				   sz, 						//输出图像的尺寸
				   0, 						//水平方向上的缩放系数，留0表示自动计算
				   0,  						//垂直方向上的缩放系数，留0表示自动计算
				   cv::INTER_LINEAR);		//图像缩放的差值算法类型，这里的是线性插值算法


			//把源图像拷贝到目的图像的中央，四面填充指定的像素。图片如果已经拷贝到中间，只填充边界
			//这样做是为了能够正确提取边界的FAST角点
			//EDGE_THRESHOLD指的这个边界的宽度，由于这个边界之外的像素不是原图像素而是算法生成出来的，所以不能够在EDGE_THRESHOLD之外提取特征点			
            copyMakeBorder(mvImagePyramid[level], 					//源图像
						   temp, 									//目标图像（此时其实就已经有大了一圈的尺寸了）
						   EDGE_THRESHOLD, EDGE_THRESHOLD, 			//top & bottom 需要扩展的border大小
						   EDGE_THRESHOLD, EDGE_THRESHOLD,			//left & right 需要扩展的border大小
                           BORDER_REFLECT_101+BORDER_ISOLATED);     //扩充方式，opencv给出的解释：						
        }
        else
        {
			//对于第0层未缩放图像，直接将图像深拷贝到temp的中间，并且对其周围进行边界扩展。此时temp就是对原图扩展后的图像
            copyMakeBorder(image,			//这里是原图像
						   temp, EDGE_THRESHOLD, EDGE_THRESHOLD, EDGE_THRESHOLD, EDGE_THRESHOLD,
                           BORDER_REFLECT_101);            
        }
    }
}

包括两步：

• 将图像缩放到 mvInvScaleFactor 对应尺寸；

• 在图像四周补一圈厚度为 EDGE_THRESHOLD 的 padding（提取 FAST 特征点需要特征点周围半径为 3 的圆域，计算描述子需要特征点周围半径为 16 的圆域），copyMakeBorder() 函数实现。

• 深灰色 为缩放后的原始图像；

• 包含绿色边界在内的矩形 用于提取 FAST 特征点；

• 包含浅灰色边界在内的整个矩形 用于计算 ORB 描述子。

为什么要扩充图像边界呢？

利用 FAST 算法在提取特征点时，图像边缘的特征点半径为3的圆无法取到（边界外无像素点），为了解决此问题，我们对图像边界进行填充。

参考：https://www.pudn.com/news/62f50f18f97302478e3581fc.html

2.3 提取特征点并筛选 ComputeKeyPointsOctTree()

我们希望 特征点均匀地分布在图像的所有部分。所以在提取时会将图片分成 30*30（单位像素）的一个一个小格子（cell）来提取特征点。并且在提取 FAST 角点时，我们设计了两个阈值 _iniThFAST 和 _minThFAST，这样在每个 cell 中，就可以根据实际情况进行调整，尽可能保证每个 cell 中都能提取到特征点。

代码实现主要有两步：

• 划分 cell，先用默认阈值提取特征点，如果找不到，就降低阈值，用 _minThFAST 搜索特征点；

• 对得到的所有特征点进行八叉树筛选，若某区域内特征点数目过于密集，则只取其中响应值最大的那个。
  

2.4 筛选特征点 DistributeOctTree()

筛选完特征点后，还是可能出现某些 cell 中特征点密集，某些 cell 中稀疏甚至没有特征点。因此采用类似八叉树的方法重新分发角点，使一个区域只有一个特征点（注意，这里的区域是重新划分的，不是之前的 cell）。

（没有特征点或只有一个特征点的区域不再分裂。）

2.5 计算特征点方向 computeOrientation()

使用特征点周围半径为 19 的圆的重心方向作为特征点方向。

$$\begin{array}{rl}& M_{00}=\sum _{X=-R}^R\sum _{Y=-R}^{R}I(x,y)\\ & M_{10}=\sum _{X=-R}^R\sum _{X=-R}^{R}xI(x,y)\\ & M_{01}=\sum _{X=-R}^R\sum _{X=-R}^{R}yI(x,y)\\ & Q_{X=}=\frac{M_{10}}{M_{00}},Q_Y=\frac{M_{01}}{M_{00}}\\ & C=\left(\frac{m_{10}}{m_{00}},\frac{m_{00}}{m_{00}}\right)\\ & \theta =\mathrm{atan}2\left(m_{01},m_{10}\right)\end{array}$$
$$\begin{array}{rl}& c_x=\frac{\stackrel{m_{10}}{\overbrace{\sum _{x=-R}\sum _{y=-R}^{R}x{I}_{(x,y)}}}}{\underset{m_{00}}{\underbrace{\sum _{x=-R}^R\sum _{y=-R}^R{I}_{(x,y)}}}},c_y=\frac{\stackrel{m_{01}}{\overbrace{\sum _{x=-R}^R\sum _{y=-R}^{R}y{I}_{(x,y)}}}}{\underset{m_{00}}{\underbrace{\sum _{x=-R}^R\sum _{y=-R}^R{I}_{(x,y)}}}}\\ & \theta =\arctan 2\left(c_y,c_x\right)=\arctan 2\left(m_{01},m_{10}\right)\\ & \end{array}$$

2.6 计算特征点描述子 computeOrbDescriptor()

在特征点周围半径为 16 的圆域内选取 256 对点，比较，得到 256 位描述子。

在 computeOrientation() 中，我们求出了每个特征点的主方向，因此在计算描述子之前，要先将特征点周围像素旋转到主方向上来。

2.7 ORBextractor 类总结

2.7.1 主要流程

ORBextractor 类用于 tracking 线程中第一步预处理。

主要流程为

2.7.2 与其他类的关系

Frame类 中与 ORBextractor 有关的成员变量和函数

成员变量/函数	访问控制	意义
ORBextractor* mpORBextractorLeft	public	左目特征点提取器
ORBextractor* mpORBextractorRight	public	右目特征点提取器（单目/RGBD时为空指针）
ExtractORB()	public	提取特征点，直接调用 mpORBextractorLeft 和 mpORBextractorRight
Frame	public	Frame类的构造函数，调用 ExtractORB() 提取特征点

每次提取完 ORB 特征点之后，图像金字塔信息就会作废，下一帧图像到来时调用 ComputePyramid() 函数会覆盖掉上一帧的图像金字塔信息；但已经提取到的特征点信息会被保留在 Frame 对象中。所以 ORB-SLAM2 是稀疏重建，每帧图像只会保留最多 nfeatures 个特征点。