opencv特征点匹配_特征点匹配

如何从图像中提取特征点

“ 此篇介绍图像的特征点匹配算法，包括ORB特征点算法介绍、特征点匹配以及RANSAC优化”

作者 | zhangJA来源 | 程序算法实验室

特征点匹配也可了解为角点匹配，角点匹配在上篇《Shi-Tomasi角点检测》和《Harris角点检测》已论述过。

图像匹配的应用场合有目标跟踪，检测，识别，图像拼接等，这些应用的最核心技术即是特征点匹配，所谓特征点匹配是指寻找两张图像之间的特征像素点的对应关系，从而确定两张图像的位置关系。

特征点匹配一般分为四大步骤：

1. 提取检测子：在两张待匹配的图像中寻找那些最容易识别的像素点(角点)，比如纹理丰富的物体边缘点等。

2. 取描述子：对于检测出的角点，用一些数学上的特征对其进行描述，如梯度直方图，局部随机二值特征等。检测子和描述子的常用提取方法有：sift，harris，surf，fast，agast，brisk，freak，brisk，bri、tef/orb等。

3. 匹配：通过各个角点的描述子来判断它们在两张图像中的对应关系，常用方法如 flann等。

4. 消噪：去除错误匹配的外点，保留正确的匹配点。常用方法有KDTREE，BBF，Ransac，GTM等。

以下对此详细说明：

---

01

—

特征点匹配

✎ORB特征点¹

▧ 原理概述------------------------------------«1»

特征点是用于描述图像中含有特殊信息的一类点，包含像素点坐标、用于唯一的描述此像素点属性的一些特征。

特征点检测算法有SIFT、SURFT、ORB等，SIFT SURFT提取精度高，但消耗时间长；ORB提取特征点则耗时短。以下对仅对ORB展开赘述。

(base) zja@zja:~/Works/zja_Project/2-VisonProject/1-Cmake_Build/$ tree -L 2.├── CMakeLists.txt├── CMakeLists.txt.user├── main1.cpp├── main2.cpp├── main3.cpp├── ORB特征点.md├── ORB特征点匹配.md├── RANSAC优化.md├── _v_recycle_bin│   └── 20210117└── vx_images    ├── 3824741984446.png    └── 3955907518314.png(base)zja@zjaVirtualBox:~$ bash c++.shCV Runing......

▧算法步骤--------------------------------------«2»

1.ORB特征点求取

Step1：选择某个像素点作为中心点P，其像素值为I；Step2：设置判定FAST角点的像素阈值，例如：Tp=20%*Ip；Step3：比较中心点的像素值与半径为3的圆周上所有像素的像素值进行比较，如果存在连续N个像素的像素值大于(Ip+Tp)或者小于(Ip-Tp)；Step4：遍历图像中的每个像素点，重复以上步骤，计算图像中的FAST角点；

2.ORB特征点方向计算步骤

Step1：计算图像矩；

$m_{pq}=\sum_{x,y\in B}x^py^qI(x,y),p,q=0,1$

Step2：计算矩形区域的质心；

$C=(m_{10}/m_{00} , m_{01}/m_{00})$

Step3：连接FAST角点与质心得到方向向量；

$\theta=arctan(m_{01}/m_{10})$

☢注意：ORB特征点描述子

• 128维BRIEF描述子

• 高斯金字塔(尺度特征不变)