ORBSLAM orbextractor概要

ORBSLAM特征点提取概要（以rgbd为例）：

由rgbd_tum.cc的

SLAM.TrackRGBD(imRGB,imD,tframe);

到
Tracking.cc的cv::Mat Tracking::GrabImageRGBD(const cv::Mat &imRGB,const cv::Mat &imD, const double &timestamp)中的

mCurrentFrame = Frame(mImGray,mImDepth,timestamp,mpORBextractorLeft,mpORBVocabulary,mK,mDistCoef,mbf,mThDepth);

到
Frame.cc的构造函数中的

ExtractORB(0,imGray);

到

void Frame::ExtractORB(int flag, const cv::Mat &im)
{
    if(flag==0)
        (*mpORBextractorLeft)(im,cv::Mat(),mvKeys,mDescriptors);
    else
        (*mpORBextractorRight)(im,cv::Mat(),mvKeysRight,mDescriptorsRight);
}

到此重载()运算符，其中mpORBextractorLeft在Tracking的构造函数中定义。

特征点提取主要是在void ORBextractor::operator()( InputArray _image, InputArray _mask, vector<KeyPoint>& _keypoints,OutputArray _descriptors)这个重载函数中进行的！

1.先对图像构建金字塔，一共8层，在以下函数中实现。
void ORBextractor::ComputePyramid(cv::Mat image)
每一层金字塔存放到此处：

mvImagePyramid[level]

2.FAST关键点提取
对每一层金字塔根据一定的范围（w=30），在每个网格中按照阈值进行FAST特征点的提取

ORBextractor.iniThFAST: 20
ORBextractor.minThFAST: 7

首先按照每个网格提取20个特征点的标准，若无法满足，则改为7个特征点。（在void ORBextractor::ComputeKeyPointsOctTree(vector<vector >& allKeypoints)函数中）
特征点存放到此处：

vector<cv::KeyPoint> vToDistributeKeys;
vToDistributeKeys.reserve(nfeatures*10);

然后进行四叉树存储

 keypoints = DistributeOctTree(vToDistributeKeys, minBorderX, maxBorderX, minBorderY, maxBorderY,mnFeaturesPerLevel[level], level);

存储时，若每个节点特征点数目为1，或者特征点数量已经满足要求，则停止切分，何为以满足要求？
在ORBextractor::ORBextractor构造函数中，如下所示，mnFeaturesPerLevel[level]为每一层需要提取的特征点数量，是由一些比例计算出来的，每一层提取的特征点数目不一样，不过8层mnFeaturesPerLevel之和接近ORBextractor.nFeatures: 1000

    mnFeaturesPerLevel.resize(nlevels);
    float factor = 1.0f / scaleFactor;
    float nDesiredFeaturesPerScale = nfeatures*(1 - factor)/(1 - (float)pow((double)factor, (double)nlevels));

    int sumFeatures = 0;
    for( int level = 0; level < nlevels-1; level++ )
    {
        mnFeaturesPerLevel[level] = cvRound(nDesiredFeaturesPerScale);
        sumFeatures += mnFeaturesPerLevel[level];
        nDesiredFeaturesPerScale *= factor;
    }

在四叉数(vectorcv::KeyPoint ORBextractor::DistributeOctTree)的代码中N即为mnFeaturesPerLevel[level]

        if((int)lNodes.size()>=N || (int)lNodes.size()==prevSize)
        {
            bFinish = true;
        }

此为“若特征点数量已经满足要求，或者node的数目和上一次相比没有变化,即不能再分裂，则停止切分”
以下为一整图片的测试结果：
Before tree:1162
After tree:217
Before tree:882
After tree:181
Before tree:650
After tree:151
Before tree:496
After tree:127
Before tree:379
After tree:105
Before tree:274
After tree:89
Before tree:203
After tree:73
Before tree:160
After tree:62
Before tree是每一层中vToDistributeKeys的数目，After tree是keypoints的数目。

最终在void ORBextractor::operator()函数中输出每一层经过放大后的特征点位置，一共为1000左右

本文参考了
一步步带你看懂orbslam2源码–orb特征点提取(二)，
认真的虎ORBSLAM2源码解读(四)：图解ORB特征提取ORBextractor，此二文叙述详细，可习之。
若有不当之处，请指出，共同进步，谢谢