开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> 游戏开发 -> ORB-SLAM2系列第二章——ORB 特征点提取 -> 正文阅读

[游戏开发]ORB-SLAM2系列第二章——ORB 特征点提取

前言

欢迎浏览我的SLAM专栏，一起加油淦穿SLAM！

一、关键点和描述子

1.FAST关键点：

2.FAST 描述子：

论文：BRIEF: Binary Robust Independent Elementary Features
BRIEF算法的核心思想是在关键点P的周围以一定模式选取N个点对，把这N个点对的比较结果组合起来
作为描述子。为了保持踩点固定，工程上采用特殊设计的固定的pattern来做

二、灰度质心法

原始的FAST关键点没有方向信息，这样当图像发生旋转后，brief描述子也会发生变化，使得特征点对旋
转不鲁棒
解决方法：orientated FAST
使用灰度质心法计算特征点的方向，

1.什么是灰度质心法？

下面重点说一下如何计算灰度质心。

我们定义该区域图像的矩为：

式中，取0或者1；，表示在像素坐标处图像的灰度值；表示图像的矩。在半径为的圆形图像区域，沿两个坐标轴方向的图像矩分别为：

圆形区域内所有像素的灰度值总和为：
图像的质心为：
然后关键点的“主方向”就可以表示为从圆形图像形心指向质心的方向向量 ,于是关键点的旋转角度记为

以上是灰度质心法求关键点旋转角度的原理。

2.在一个圆内计算灰度质心

下图P为几何中心，Q为灰度质心

在这里插入图片描述
下面求圆内的坐标范围
umax：1/4圆的每一行的u轴坐标边界（下图中橙色线段FG）

vmax = cvFloor(HALF_PATCH_SIZE * sqrt(2.f) / 2 + 1);
vmin = cvCeil(HALF_PATCH_SIZE * sqrt(2.f) / 2);
// 对应从D到B的红色弧线，umax坐标从D到C
for (v = 0; v <= vmax; ++v)
umax[v] = cvRound(sqrt(hp2 - v * v));
// 对应从B到E的蓝色弧线，umax坐标从C到A
for (v = HALF_PATCH_SIZE, v0 = 0; v >= vmin; --v)
{
while (umax[v0] == umax[v0 + 1])
++v0;
umax[v] = v0;
++v0;
}

在这里插入图片描述
参考：
https://blog.csdn.net/liu502617169/article/details/89423494
https://www.cnblogs.com/wall-e2/p/8057448.html

三、特征点角度计算

在这里插入图片描述

1.steer brief

点v 绕原点旋转θ 角，得到点v’，假设 v点的坐标是(x, y) ，那么可以推导得到 v’点的坐标（x’, y’)
在这里插入图片描述
参考：
https://www.cnblogs.com/zhoug2020/p/7842808.html

2.IC_Angle 计算技巧

在一个圆域中算出m10（x坐标）和m01（y坐标），计算步骤是先算出中间红线的m10，然后在平行于
x轴算出m10和m01，一次计算相当于图像中的同个颜色的两个line。
在这里插入图片描述
为什么要重载小括号运算符 operator() ？
可以用于仿函数（一个可以实现函数功能的对象）
仿函数（functor）又称为函数对象（function object）是一个能行使函数功能的类。仿函数的语法几乎
和我们普通的函数调用一样，不过作为仿函数的类，都必须重载operator()运算符
1.仿函数可有拥有自己的数据成员和成员变量，这意味着这意味着仿函数拥有状态。这在一般函数中是
不可能的。
2.仿函数通常比一般函数有更好的速度。
在这里插入图片描述
扩展阅读：
https://blog.csdn.net/jinzhu1911/article/details/101317367

四、金字塔的计算

图像金字塔对应函数为：ORBextractor::ComputePyramid

在这里插入图片描述

五、特征点数量的分配计算

图像金字塔层数越高，对应层数的图像分辨率越低，面积（高宽）越小，所能提取到的特征点数量就
越少。所以分配策略就是根据图像的面积来定，将总特征点数目根据面积比例均摊到每层图像上。
我们假设需要提取的特征点数目为，金字塔总共有层，第 0 层图像的宽为，高为，对应的面
积，图像金字塔缩放因子为，，在 ORB-SLAM2 中。
那么整个金字塔总的图像面积是：
在这里插入图片描述
假设我们需要一千个特征点，我们需要把这一千个特征点分别分配到每一层上。

单位面积应该分配的特征点数量为：
在这里插入图片描述

在ORB-SLAM2 的代码里，不是按照面积均摊的，而是按照面积的开方来均摊特征点的，也就是将上述
公式中的换成即可。
参考：https://zhuanlan.zhihu.com/p/61738607

六、使用四叉树均匀分布特征点

ORB特征提取策略对ORB-SLAM2性能的影响：ORB-SLAM2中的ORB特征提取方法相对于OpenCV中的
方法，提高了ORB-SLAM2的轨迹精度和鲁棒性。增加特征提取的均匀性可以提高系统精度，但是似乎会
降低特征提取的重复性。

对应函数 DistributeOctTree：

如果图片的宽度比较宽，就先把分成左右w/h份。一般的640×480的图像开始的时候只有一个 node。
如果node里面的点数>1，把每个node分成四个node，如果node里面的特征点为空，就不要了，删掉。
新分的node的点数>1，就再分裂成4个node。如此，一直分裂。
终止条件为：node的总数量> [公式] ，或者无法再进行分裂。
然后从每个node里面选择一个质量最好的FAST点

参见：https://zhuanlan.zhihu.com/p/57235987
在这里插入图片描述
ExtractorNode::DivideNode

节点分裂顺序：后加的先分裂

七、高斯处理

1.高斯模糊

在这里插入图片描述
高斯公式：

2.高斯模糊常用的高斯模板

中间权重最大：
在这里插入图片描述

八、特征点去畸变

在这里插入图片描述

在这里插入图片描述

去畸变效果：

九、近点和远点

在双目或RGB-D模式下，特征点对应的深度值小于40倍的双目/RGB-D基线称之为近点，否则称之为远点。
近点特征点对三角化得到的三维点坐标比较准确，可以提供旋转、平移、尺度信息。
远点特征点仅能够提供相对准确的旋转信息，无法提供比较准确的尺度和平移信息。只有当多个视角下多次观测到的远点我们才会考虑三角
化。

在这里插入图片描述