基于图像的三维重建——特征点检测与匹配(2)

---

前言

特征点检测与匹配的作用是计算特征点个数达到要求的图像对，使得图像与图像间一直进行传递，从而形成一条轨迹，为SFM重构中的初始图像对以及R、T求解作铺垫。

---

一、特征点检测

在特征点检测中，我们主要检测其局部特征点，包括斑点和角点两类特征点。斑点是指图像中像素或者灰度值大的区域，角点是指图像中物体的拐角或者线条交叉的部分。其中斑点检测主要包括二阶的拉普拉斯高斯边缘提取算法(LOG)，尺度不变特征变换算法(SIFT)、加速稳健特征算法（SURF)等。角点检测主要有Harris角点特征提取算子、加速分割测试特征提取(FAST)、特征点检测算子(ORB)等。

二阶的拉普拉斯高斯边缘提取算法(LOG)

1980年，Marr和Hildreth提出将Laplace算子与高斯低通滤波相结合，提出了LOG（Laplace and Guassian）算子。
步骤如下：

1. 对图像先进行高斯滤波，然后再采用Laplace算子进行边缘检测。
2. 保留一阶导数峰值的位置，从中寻找出Laplace过零点。
3. 对过零点的精确位置进行插值估计。

其中LoG算子$▽$ ² G就是对一个标准高斯函数（未归一化）进行二次偏微分：

根据$\delta$的不同以及3$\delta$原则可以建立不同的模板，其中，<