ORB-SLAM2 ---特征特提取梳理（ORBextractor.cpp）

一、主函数ORBextractor::operator()

	被调用的函数都会在后面详细讲到，这个部分是梳理主线，让读者了解每个函数在哪里被使用到，有什么作用，以便更好的有体系的学习，
主函数直接或间接的调用了除构造函数外的所有函数，构造函数会在主线程（Tracking）中被初始化。
	其中FAST（）函数和GaussianBlur（）是OpenCV的内置函数。

1. 判断传进来的图像是否为空，不为空则将其转化为灰度图像

2. 调用函数ORBextractor::ComputePyramid（）

	该函数的作用是构建函数金字塔，并扩充函数边界

3. 调用函数ComputeKeyPointsOctTree（）

该函数是用四叉树的方法来计算特征点
	 1. 将图像金字塔的某一个图层分为30*30的网格
	 	a. 用图像的长和高除网格的边长得到网格的行数和列数
	 	b. 最后一行不足30时，全部分给最后一行（不是恰好够分的话，牺牲最后一行）
	 2. 调用FAST角点提取函数，在每个网格内提取角点并放入存放角点的容器内
	 	a. 如果该容器为空（没有提取到角点），则减小阈值继续提取
	 	b. 如果容器不为空，则遍历所有FAST角点，将其坐标转换到『坐标边界』下的坐标
	 3. 调用 DistributeOctTree（）函数用来分配特征点
	 		这个函数调用了DivideNode（）函数
	 5. 将所有的特征点坐标恢复到『边缘扩充图像』坐标系下的坐标
	 6. 调用computeOrientation（）计算每个特征点的方向信息
	 		    这个函数调用了IC_Angle（）函数，IC_Angle（）函数是计算一个特征点的方向信息的函数，此函数用循环的方法调用IC_Angle（），
	 		来求所有特征点的方向信息
	 		

4.统计金字塔所有层中特征点的总数，若无则释放描述子

5.遍历所有金字塔图层，先对图层进行高斯模糊，然后计算描述子

	1. 调用GaussianBlur（）函数进行高斯模糊
	2. 调用computeDescriptors（）函数来计算描述子
			     这个函数调用了computeDescriptor（）函数，computeDescriptor（）函数是计算一个特征点的描述子函数，
			此函数用循环的方法调用computeDescriptor（），来求所有特征点的描述子

6.将所有处理好的特征点放入容器内，自此特征提取结束

二、总结

特征提取的步骤及其顺序

图像金字塔分层
计算每层金字塔的特征点数量
每个图层分成30*30的网格
在每个网格里面提取特征点
用四叉树的方法分配特征点
每个节点中取应答最大的那个特征点
计算所有特征点的方向信息和描述子
将所有处理好的特征点放入容器中