ORB-SLAM3代码详解（二）ORB特征提取2.0-12个核心函数概述---【src】-【ORBextractor.cc】

按照ORBextractor.cc程序中各个函数的出现顺序，依次列出12个函数：

---

一、IC_Angle函数（（对应视觉SLAM十四讲，第7讲7.1.2节））
二、bit_pattern_31_函数—二进制采样点对库
三、ORBextractor 类的构造函数—初始化：金字塔-特征点数量-尺寸因子
四、computeOrientation 函数-计算特征点方向
五、DivideNode 函数-图像区域划分
六、 compareNodes 函数
七、DistributeOctTree函数- 优化特征点分布
八、ComputeKeyPointsOctTree函数- 特征点提取
九、 ComputeKeyPointsOld 函数
十、 ComputeDescriptors 函数
十一、operator() 函数
十二、 ComputePyramid 函数

---

下面是根据 ORBextractor.cc 的 12 个主要函数作用绘制的流程图结构描述。这个流程图将展示 ORB特征提取 的完整流程，包括金字塔生成、特征点提取、方向计算和描述符生成。

流程图描述：

1. 流程起点
   输入：原始图像

2. 金字塔生成阶段

   • 调用 ComputePyramid 函数：
     生成图像金字塔，为不同尺度的特征点提取做准备。

3. 特征点提取阶段
   两种方法选择：

   • ComputeKeyPointsOctTree（默认方法，使用八叉树）：
     • 调用 DistributeOctTree 函数：
       利用八叉树分割图像区域，分布特征点。
     • 调用 DivideNode 和 compareNodes 函数：
       对图像区域进一步划分和排序，确保特征点均匀分布。
   • ComputeKeyPointsOld（备用方法，网格划分）：
     传统方法提取特征点，不使用八叉树。

4. 特征点方向计算阶段

   • 调用 computeOrientation 函数：
     遍历所有提取到的特征点，计算每个特征点的方向角度。

   • 调用 IC_Angle 函数：
     具体实现方向角度计算，确保旋转不变性。

5. 描述符计算阶段

   • 调用 ComputeDescriptors 函数：
     为每个特征点计算 ORB 描述符。
     • 内部调用 bit_pattern_31 函数：
       定义描述符采样点位置，实现二进制描述符生成。

6. 特征点与描述符输出阶段

   • 调用 operator() 函数：
     综合调用上述各个功能函数，执行完整的 ORB 特征提取流程：
     • 生成金字塔
     • 提取特征点（八叉树或传统方法）
     • 计算方向
     • 计算描述符
     • 输出特征点和描述符

7. 流程终点
   输出：特征点坐标 + 描述符集合

总结：

1. 流程起点：从原始图像输入开始。
2. 金字塔生成：通过 ComputePyramid 构建尺度空间。
3. 特征点提取：
   默认使用 八叉树方法：调用 ComputeKeyPointsOctTree，内部通过 DistributeOctTree、DivideNode 和 compareNodes 实现区域划分和均匀分布。
   备用方法是 网格划分法：调用 ComputeKeyPointsOld。
4. 方向计算：computeOrientation 负责计算特征点的方向，IC_Angle 提供具体实现。
5. 描述符生成：通过 ComputeDescriptors 和 bit_pattern_31 定义采样点并生成二进制描述符。
6. 总调度函数：operator() 统一调用上述各个核心函数，完成 ORB 特征提取流程。
7. 流程终点：输出特征点坐标及对应的描述符。

---