ORB-SLAM2从理论到代码实现（三）：ORB特征提取和匹配理论和代码详解

欢迎交流，本人邮箱jinbo666888@qq.com

我将在写Tracking.cc的博客前，先写一下ORBextractor.cc、ORBmatcher.cc和Frame.cc。

三 特征提取和匹配

1. 理论知识

    特征点由关键点（Key-point）和描述子（Descriptor）两部分组成。ORB特征点（Oriented FAST and Rotated BRIEF）是由Oriented FAST角点和 BRIEF （Binary Robust Independent Elementary Features）描述子构成，其计算速度是sift特征点的100倍，是surf特征点的10倍。

a.Fast 角点提取

FAST 是一种角点，主要检测局部像素灰度变化明显的地方，以速度快著称。它的思 想是：如果一个像素与它邻域的像素差别较大（过亮或过暗）, 那它更可能是角点。相比于 其他角点检测算法，FAST 只需比较像素亮度的大小，十分快捷。

提取步骤：

1. 在图像中选取像素 p，假设它的亮度为 Ip。

2. 设置一个阈值 T(比如 Ip 的 20%)。

3. 以像素 p 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 + T 或小于 Ip −T，那么像素 p 可以被认为是特征点 (N 通常取 12，即为 FAST-12。其它常用的 N 取值为 9 和 11， 他们分别被称为 FAST-9，FAST-11)。

5. 循环以上四步，对每一个像素执行相同的操作。

为了提高效率，可以采用额外的加速办法。具体操作为，对于每个像素，直接检测邻域圆上的第 1，5，9，13 个像素的亮度。至少有3个和候选点的灰度值同时大于 Ip + T 或小于 Ip −T 时，当前像素才有可能是一个角点，否则应该直接排除。为了提高比较的效率，通常只使用N个周边像素来比较，也就是大家经常说的FAST-N，其中Fast-9，Fast-12使用最多。

Fast角点本不具有方向，但是由于特征点匹配需要，ORB对Fast角点进行了改进，，改进后的 FAST 被称为 Oriented FAST，具有旋转和尺度的描述。

尺度不变性是由构建图像金字塔，并在金字塔的每一层上检测角点来实现，这在SLAM十四讲中并没有具体介绍。这里进行介绍。

高斯金字塔构建：

•  对图像做不同尺度的高斯模糊

为了让尺度体现其连续性，高斯金字塔在简单降采样的基础上加上了高斯滤波。将图像金字塔每层的一张图像使用不同参数做高斯模糊，使得金字塔的每层含有多张高斯模糊图像，将金字塔每层多张图像合称为一组(Octave)，金字塔每层只有一组图像，组数和金字塔层数相等，使用下列公式计算，每组含有多张(也叫层Interval)图像。另外，降采样时，