ORB-SLAM2算法8之特征点提取、生成描述子的ORBextractor

已于 2023-08-24 15:22:52 修改
阅读量748 收藏 1
点赞数 1
CC 4.0 BY-SA版权
分类专栏： ORB-SLAM2/3 文章标签： slam vslam ORB-SLAM2 ORBextractor 特征点提取器 Oriented FAST Rotated BRIEF
于 2023-08-16 15:50:18 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/MRZHUGH/article/details/132320922
本文深入解析ORB-SLAM2算法中的特征点提取过程，包括ORBextractor的使用、图像金字塔的构建、FAST角点检测、非极大值抑制、特征点方向计算和描述子生成。通过构建图像金字塔实现多尺度特征点提取，增强系统的鲁棒性和适应性。同时，ORB特征点结合Oriented FAST和Rotated BRIEF，提供旋转不变性。描述子生成过程中，通过高斯模糊减少噪声，并计算具有旋转不变性的描述子。

文章目录

0 引言

ORB-SLAM2算法7了解了System主类和多线程，如下图，本文主要学习ORB-SLAM2中的图像预处理的ORB部分(Oriented FAST and Rotated BRIEF)，也就是视觉特征点提取器ORBextractor，从全称来看，ORB-SLAM2的ORB部分主要涉及图像的特征点提取和描述子生成。

  1. 特征点提取
  • ORB特征点提取使用了FAST（Features from Accelerated Segment Test）算法。FAST算法是一种高效的特征点检测算法，通过比较像素点与其周围邻域像素的亮度差异来确定特征点。
  • 在ORB中，FAST算法被扩展成了Oriented FAST，它能够在检测到的特征点周围计算出一个主方向。这个主方向在后续的描述子生成中起到了重要作用。
  • 通过对图像的不同尺度（图像金字塔）进行处理，ORB-SLAM2还能够提取多尺度的特征点，以适应不同距离的场景。
了解本专栏 订阅专栏 解锁全文
2.1ORB-SLAM3之ORB特征提取和BRIEF描述子计算
超爱吃小蛋糕的66的博客
11-23 3595
ORB-SLAM算法中ORB特征提取与描述子计算，输入一张图像，返回存放特征点的vector向量，存放描述子的mat，特征点数量，步骤大致分为以下4步 1. 构建图像金字塔 2. 提取Fast特征点并使用OctTree进行均匀化分布 3. 利用灰度质心法，计算特征点角度 4. 计算带有旋转不变性的rBRIEF描述子
ORB-SLAM2学习笔记：ORBextractor的构造函数详解
GeekDongHuang的博客
05-27 1303
这段代码通过预计算逆缩放因子和逆方差，为ORB特征提取的尺度不变性提供了数学基础，同时通过空间换时间的策略优化了实时性能，是计算机视觉中多尺度特征处理的核心步骤之一。
ORBSLAM2系列-特征点提取
一只废佐_的博客
08-14 734
计算FAST角点使用四叉树均匀化特征点、灰度质心法求解特征点方向、根据方向计算Steer BRIEF描述子。一共就做了这几步，但是为了后续能够方便进行三角化计算，将各个图层的特征点转换到原图像（金字塔的最底层）下，然后将特征点信息和描述子信息（因为提取特征点主要就为了求解这两个）分别传递给重载括号运算符的形参中（这部分放在了计算描述子中，因为在一个for循环中），实现传递。
ORBSLAM2--特征提取
weixin_43205582的博客
06-28 3774
ORBSLAM2--特征提取特征提取（ORBextractor.h and ORBextractor.cpp）ORBextractoroperator()ComputePyramidComputeKeyPointsOctTreecomputeOrientationIC_Angle高斯模糊computeDescriptors最后操作结语 说白了特征提取也就是对图像进行一定的操作，也就是对像素点进行一...
Opencv 之ORB特征提取与匹配API简介及使用例程
yohnyang的博客
08-14 2289
Opencv 之ORB特征提取与匹配API简介及使用例程
SLAM之图像特征提取与匹配
热门推荐
W_Tortoise的博客
04-10 1万+
0 写在前面 此篇博客，包括之后的一些SLAM系列博客，其实都是高翔博士的《视觉SLAM十四讲》读书笔记，在此向高博所做的工作致敬。对SLAM初学者而言，《视觉SLAM十四讲》非常适合入门，而且高博在深蓝学院开设了《SLAM理论与实践》课程，以视频+作业+答疑的模式，如果能够坚持下来，把每次作业和最后的大作业都完成，就可以说入门了。 1 实验背景 视觉SLAM主要分为视觉前端和优化后端。...
SLAM学习----特征点与特征匹配
赵木木
04-13 2687
slam 代码 学习（一） int main() { ParameterReader parameterReader; Tracker::Ptr tracker( new Tracker(parameterReader) ); FrameReader frameReader( parameterReader ); PoseGraph ...
ORB-SLAM2源码阅读（一）-----ORB特征提取
chuangkeiss的博客
11-17 2303
1.ORB-SLAM的一大创新点在于系统的所有模块都使用了同一种特征：ORB，这样构造的系统更加简单、稳健。2.本文首先介绍了原版的ORB特征，之后又介绍了ORB-SLAM对ORB特征的改进。3.相较与SIFT、SURF，ORB在CPU下就可以获得实时性能，并且具有尺度（一定的）、旋转不变性，而且提高了BRIEF描述子的抗噪能力。4.ORB的速度是SIFT的100倍，SURF的10倍。一定的尺度不变性：利用图像金子塔实现，由于金字塔层数有限，因此只能在一定范围保证尺度的不变性。
ORB-SLAM2源码逐行解析系列（四）：ORB-SLAM2中的ORB特征点提取
LDST_优快云的博客
05-15 661
（1）大致流程（2）代码实现。
【整理】ORB-SLAM2中特征点的处理
qq_33310245的博客
12-11 3758
以下内容均来自对计算机视觉life公众号中资料的整理,作为自己的笔记使用 ORB-SLAM2中特征点的处理 1 ORB特征点简介 ORB特征由关键点和描述子组成 FAST关键点: 1.选取像素ppp,假设其亮度为IpI_pIp​; 2.设置一个阈值TTT(比如IpI_pIp​的20%); 3.以像素ppp为中心，选取半径为3的圆上的16个像素点； 4.假如选取的圆上，有连续的N个点的亮度大于Ip+TI_p+TIp​+T或小于Ip−T小于I_p-T小于Ip​−T，那么像素p可以被认为是特征点； 5.循环以上
SLAM入门之视觉里程计(1)：特征点的匹配
weixin_33860553的博客
12-20 1265
SLAM 主要分为两个部分：前端和后端，前端也就是视觉里程计（VO），它根据相邻图像的信息粗略的估计出相机的运动，给后端提供较好的初始值。VO的实现方法可以根据是否需要提取特征分为两类：基于特征点的方法，不使用特征点的直接方法。 基于特征点的VO运行稳定，对光照、动态物体不敏感。 图像特征点的提取和匹配是计算机视觉中的一个基本问题，在视觉SLAM中就需要首先找到相邻图像对应点的组合，根据这些匹配的...
单斜氧化镓单晶衬底，全球前十强生产商排名及市场份额（by QYResearch）.pdf
12-19
单斜氧化镓单晶衬底，全球前十强生产商排名及市场份额（by QYResearch）.pdf
用JavaScript画直角三角形
12-19
用JavaScript画直角三角形
大型商用熨平机市场概览，全球前10强生产商排名及市场份额（by QYResearch）.pdf
12-19
大型商用熨平机市场概览，全球前10强生产商排名及市场份额（by QYResearch）.pdf
汽车充电口识别数据集，标注了3067张图片，支持yolo v7，可识别AC，DC 等多种类型快充，慢充插口
12-19
数据集图片和标注详情点击链接查看：https://backend.blog.youkuaiyun.com/article/details/156081316?spm=1011.2415.3001.5331
medici.zip
12-19
medici.zip
Android模拟器启动器ADV
最新发布
12-19
代码转载自：https://pan.quark.cn/s/fa3d530e6d71 SimulateKey Simulate Android KeyEvent
douPersonas分类模型3
12-19
douPersonas分类模型3
一个网页布局示例(DIV+CSS)
12-19
下载方式：https://pan.quark.cn/s/aebb51604f11 cookie-monster Who wants cookies?! Let's create the frontend of our website to sell our hottest cookie products! Objective Use HTML Elements and CSS Styling to create the home page for our cookie site. Prerequisites To complete this project, students should have the following: Basic understanding of HTML structures and attributes. Basic understanding of CSS (Selectors, properties). Concepts HTML | Description ----|------------ HTML | H yper T ext M arkup L anguage used to create the structure of web pages. element | An element is an individual part, or a building block, of a web page. attribute | A modifier of an element. div | A container element. nav | A navigation element. ul | An unorder...
orb-slam2中的特征提取换成BRIEF特征提取怎么换
06-14
### ORB-SLAM2中将特征提取算法替换为BRIEF的实现方法 在ORB-SLAM2中，特征点的提取和描述子的生成是系统的核心部分之一。默认情况下，ORB-SLAM2使用ORB特征进行检测和描述。如果希望将特征提取算法替换为BRIEF，需要对代码进行一系列修改。以下是具体的实现方法和注意事项。 #### 1. 替换特征提取器 ORB-SLAM2中的特征提取主要依赖于OpenCV库中的`cv::ORB`类[^1]。为了使用BRIEF特征，需要替换掉`cv::ORB`类，并引入支持BRIEF描述子的类。可以通过以下步骤完成： - 修改`ORBextractor.h`文件：该文件定义了ORB特征提取器的接口。需要创建一个新的类来封装BRIEF特征提取逻辑。 - 替换`ORBextractor.cpp`中的实现：根据BRIEF的特性，重新实现特征点的检测和描述子生成逻辑。 ```cpp #include <opencv2/features2d.hpp> class BRIEFExtractor { public: std::vector<cv::KeyPoint> operator()(const cv::Mat &image, const cv::Mat &mask = cv::Mat()) { std::vector<cv::KeyPoint> keypoints; cv::Ptr<cv::FeatureDetector> detector = cv::ORB::create(); // 使用ORB作为关键点检测器 detector->detect(image, keypoints); cv::Mat descriptors; cv::xfeatures2d::BriefDescriptorExtractor brief; brief.compute(image, keypoints, descriptors); return keypoints; } }; ``` #### 2. 修改描述子类型 ORB-SLAM2默认使用`unsigned char`类型的描述子，而BRIEF描述子通常也是`unsigned char`类型。但需要注意的是，BRIEF描述子的长度可能与ORB不同（例如，BRIEF可以是32位或64位）。因此，需要确保所有涉及描述子的操作都能兼容新的长度。 - 修改`Frame`类中的描述子存储方式：确保描述子数组能够容纳BRIEF描述子的长度。 - 修改`KeyFrameDatabase`类中的匹配逻辑：调整描述子距离计算的方式，以适应BRIEF描述子的特点。 #### 3. 调整匹配策略 ORB-SLAM2中的特征匹配基于Hamming距离，而BRIEF描述子也可以使用Hamming距离进行匹配。然而，由于BRIEF描述子的统计特性可能与ORB不同，可能需要调整匹配阈值。 - 修改`Frame`类中的匹配函数：调整`SearchForInitialization`、`SearchByProjection`等函数中的匹配阈值。 - 修改`LoopClosing`类中的回环检测逻辑：确保回环检测能够正确处理BRIEF描述子。 #### 4. 注意事项 - **性能问题**：BRIEF特征的计算速度可能不如ORB快，尤其是在高分辨率图像上。需要测试替换后的性能影响，并考虑是否需要优化。 - **鲁棒性问题**：BRIEF特征对图像旋转和尺度变化的鲁棒性较差。如果应用场景需要较强的鲁棒性，可能需要结合其他技术（如多尺度检测）。 - **代码兼容性**：ORB-SLAM2的许多模块假设使用ORB特征。在替换为BRIEF后，可能需要对多个模块进行适配性修改。 #### 示例代码片段 以下是一个简单的BRIEF特征提取示例： ```cpp cv::Mat image = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE); std::vector<cv::KeyPoint> keypoints; cv::Mat descriptors; // 使用FAST检测关键点 cv::FAST(image, keypoints, 20); // 使用BRIEF生成描述子 cv::xfeatures2d::BriefDescriptorExtractor brief; brief.compute(image, keypoints, descriptors); ``` --- ###
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ZPILOTE

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值