2019-9-6 opencv特征检测和描述8-ORB (Oriented FAST and Rotated BRIEF)-FAST特征点和BRIEF描述符的结合

最新推荐文章于 2022-07-29 14:26:56 发布

没人不认识我

最新推荐文章于 2022-07-29 14:26:56 发布

阅读量738

点赞数

分类专栏： IT opencv

本文链接：https://blog.csdn.net/weixin_42555985/article/details/100573220

版权

ORB算法是Ethan Rublee等人提出的，作为SIFT和SURF的替代，它结合了FAST特征检测和BRIEF描述符，解决了SIFT的计算代价高和BRIEF的旋转不变性问题。ORB通过灰度加权质心计算方向，使用旋转矩阵对BRIEF进行引导，实现旋转不变性。在OpenCV中，ORB可以通过cv.ORB()创建，并可通过参数调整如nfeatures和WTA_K来定制。ORB在低功耗设备上表现优秀，适用于图像匹配。

摘要由CSDN通过智能技术生成

官网参见https://docs.opencv.org/3.4.1/d1/d89/tutorial_py_orb.html

ORB采取FAST算法检测特征点，采取BRIEF算法计算特征点描述子
其所解决的问题是SIFT特征的高昂计算代价，以及BRIEF特征本身具有的缺乏旋转不变性、尺度不变性以及对噪声敏感的弱点。
作者基于FAST和BRIEF特征提出的二值特征串（0,1）在时间上比SIFT快100倍，比SURF快10倍，并且匹配效果也很好。

作为一个opencv爱好者，ORB最重要的是它来自“opencv实验室”。ORB算法是在2011年由Ethan Rublee, Vincent Rabaud, Kurt Konolige和Gary R. Bradski在《ORB: An efficient alternative to SIFT or SURF》一文中提出。它是在计算开销和匹配性能方面对SIFT和SURF算法很好的替代品。更为重要的是，使用SIFT和SURF需要支付专利费用，但是ORB算法不需要。

ORB基本上就是FAST关键点检测和BRIEF关键点描述器的结合体，并且还有还多改进以增强性能。首先它用FAST算法检测到关键点，然后应用Harris角点检测发现其中前N个点。它还使用金字塔来多尺度提取FAST特征（得到的特征具备尺度不变性）。但是有一个问题，FAST算法不计算方向。那如何实现旋转不变性呢？作者做了以下修改。

它计算（FAST检测到的）角点所在小块(patch)区域的灰度加权质心。从角点到质心的矢量方向给出了方向。为了提高旋转不变性，要计算以角点为中心半径为 r 的圆形区域的矩,再根据矩计算除方向(这段并非官网原文，摘自网上)。

现在是描述符了，ORB使用BRIEF描述符。但是我们已经知道BRIEF是旋转不稳定