ORB-SLAM2学习笔记（ORB特征点）

1 什么是特征点

2. 什么是ORB？

       ORB全称是Oriented FAST and Rotated BRIEF，是目前最快速稳定的特征点检测和提取算法，许多图像拼接和目标追踪技术都是利用ORB特征进行实现。

ORB=Oriented FAST + Rotated BRIEF

（1）FAST

全称：Features From Accelerated Segment Test 主要特点就是速度快。

FAST角点定义：若某像素点与其周围邻域内足够多的像素点处于不同的区域，则该像素点可能为角点。

      FAST 关键角点：主要检测局部像素灰度变化明显的地方，特点速度较快。基本思路是：如果一个像素与邻域的像素差别较大（比这个点亮度亮或者是暗很多），那么这个点就有可能是一个角点，与其他的角点检测算法相比，FAST只需比较像素亮度，较为简单，速度快。检测步骤如下：

1.在图像中选取像素p， 假设亮度为Ip

2.设置一个阈值T，（比如，Ip的20%）

3. 以像素p为中心，选取半径为3的圆上的16个像素点

4.假如选取的圆上有连续的N个点的亮度大于Ip+T或者小于Ip-T，那么这个像素p就可以被认为是特征点。

4.循环以上四步，对每一个像素执行相同的操作。

       传统的FAST角点提取速度快，但重复性不强，分布不均匀，并且不具有方向性。针对不具有方向性这一弱点，ORB添加了尺度和旋转的描述。尺度不变性由构建图像金字塔实现，而特征的旋转是由灰度质心法实现。这种具有尺度与旋转的描述称为Oriented  FSAT。

(2)BRIEF描述子

       BRIEF 是一种二进制描述子，其描述向量由许多个0 和1 组成，这里的0 和1 编码了关键点
附近两个随机像素（比如p 和q）的大小关系：如果p 比q 大，则取1，反之就取0。如果我们取
了128 个这样的p, q，则最后得到128 维由0、1 组成的向量。BRIEF 使用了随机选点的比较，
速度非常快，而且由于使用了二进制表达，存储起来也十分方便，适用于实时的图像匹配。原始
的BRIEF 描述子不具有旋转不变性，因此在图像发生旋转时容易丢失。而ORB 在FAST 特征点
提取阶段计算了关键点的方向，所以可以利用方向信息，计算旋转之后的“Steer BRIEF”特征使
ORB 的描述子具有较好的旋转不变性。