ORBSLAM源码理论分析1—特征点提取

1.读取待处理图片并灰度化

　　
　　　　　　　原图　　　　　　　　　　　　灰度化图像（第０层）

2.利用图像金字塔将灰度图尺度化为若干层

  程序中为8层金字塔，这里只展示前五层，原灰度图为第0层，则
　　
　　　　　　第１层　　　　　　　　　　　　　　第２层
　　　　　
　　　　　第３层　　　　　　　　　　　　　　第４层
  具体实现过程，以从第0层到第1层为例讲解。先根据第1层的尺度因数确定该层图像的size。然后将第0层图像缩放到这个size大小，缩放方式采用的是双线性差值法。然后扩充该缩放图像的边缘，程序中将图像四周各扩充了16个像素点，扩充方式为对称法（以图像扩充前最边缘像素为轴，对称扩充）。
  程序中的图像金字塔为8层，对每层都进行如是操作，最后将8层金字塔图像矩阵存储到一个vector<cv::Mat>容器mvMaskPyramid中。

3.特征点提取

  程序中将图像尺度化为8层图像金字塔，首先确定“期望提取到的特征点总数量（nfeatures）”是多少，然后以一定的规则确定“各层期望提取到的特征点数量（mnFeaturesPerLevel [level]）”是多少，Level取值范围为0-7，最后对每层分别进行特征点提取。以第0层为例（nDesiredFeatures = mnFeaturesPerLevel [0]），讲解此过程。
  将第0层图像分割成若干图像网格区域，对每个网格区域分别进行特征点提取。那么问题来了，若干个区域是多少区域？怎么划分呢？下面给出划分依据。
  首先，你自己要确定“你期望每个网格区域可以提取出多少（nfeaturesCell）个特征点”，然后根据公式nCells = nDesiredFeatures / nfeaturesCell，确定出网格区域数量。然后根据图像的行列之比，确定出nCells个网格区域分成了多少行（levelRows）、多少列（levelCols）