ORB图像匹配

最近在看图像匹配方面的资料，图像匹配的主要步骤是：

1.提取特征点：在两张待匹配的图像中寻找最容易识别的像素点，如角点或者纹理丰富的物体边缘点。

2.特征点描述子：对于检测出的特征点，用一些数学上的特征对其进行描述。常 用的描述子类型有FAST，SIFT，SURF，ORB，HARRIS，FREAK。

3.特征点之间的匹配：计算两幅图像中特征点的相似度，如欧氏距离、Hausdoff、马氏距离等。

4.去除错误匹配的点：对匹配上的点进行筛选，保留正确匹配点。常用的方法：Ransac，GTM。

用了SIFT做匹配，发现匹配的效果不理想，并且在cv里是nonfree的，找到的keypoint非常多，需要对找到的关键点进行筛选。继续找资料发现了ORB和FREAK，听说FREAK比SURF和ORB更牛X，模拟的是人眼的视网膜成像原理。ORB论文资料还没仔细看，博友的说法是：用FAST作为特征点提取的算法，FAST提取特征点的速度是很快，并在此基础上添加特征点的主方向，使得ORB具有