视觉SLAM中ORB特征点算法(关键点+描述子)

最新推荐文章于 2024-02-13 20:57:06 发布

司南牧

最新推荐文章于 2024-02-13 20:57:06 发布

阅读量4.8k

点赞数 10

分类专栏：视觉SLAM从入门到实践文章标签： ORB 特征点视觉SLAM 关键点描述子

本文链接：https://blog.csdn.net/varyshare/article/details/92578864

版权

ORB特征点结合了Oriented FAST关键点和BRIEF描述子，适用于视觉SLAM。FAST通过比较像素点灰度差异寻找关键点，ORB通过关键点与质点连线确定方向，并用BRIEF生成二进制描述子用于匹配。通过FLANN算法快速匹配特征点，用于计算相机位置和姿态。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

特征点是什么

SLAM需要根据路标来计算当前相机的位置和姿态。而视觉SLAM的路标就是图像中的特征点了。注意：只要谈到图像中的特征点你就得记得它包含两个内容关键点和描述子。关键点指的特征点在图像中的位置，而描述子是指的是关键点的朝向和周围像素信息。相同特征点他们的描述子相似。
现在已有很多特征点提取算法。其中既能兼顾性能又能兼顾精度的一种特征点提取算法那就是：ORB特征点。前面我们提到了只要提到特征点那就意味着包含两个东西：关键点和描述子。

ORB特征点

ORB它的关键点叫做Oriented FAST，就是有方向的FAST关键点。ORB的描述子是BRIEF描述子。
我们现在先解释下什么是FAST关键点

FAST关键点

它的思想是任何物体的边缘一定是灰度值变化较大，那么我只用比较哪些地方灰度值变化较大。然后把这个地方作为关键点。然后它怎么做的呢？遍历整个图片的像素。为了判断一个像素是不是关键点，它在周围以3像素为半径画一个圈。这个圈上有16个像素点。比较当前像素点与这16个像素点的差异。当然我们需要设定一个阈值，差异度超过多少算高差异。然后统计高差异的像素点个数。FAST-12认为>=12个大差异的像素点那就把当前像素点设置为关键点，FAST-11是认为11个，FAST-9是认为9个。

ORB对FAST关键点的改进：
原始的FAST关键点存在缺点：