ORB_slam 利用opencv提取特征点与匹配

最新推荐文章于 2023-07-20 21:04:56 发布

_Leveon

最新推荐文章于 2023-07-20 21:04:56 发布

阅读量1.2k

点赞数

CC 4.0 BY-SA版权

分类专栏： SLAM

本文链接：https://blog.youkuaiyun.com/qq_29230261/article/details/88053369

本文详细介绍了ORB_SLAM系统中如何利用OpenCV进行特征点检测和匹配的过程，包括imread读取图像、Oriented FAST检测角点、BRIEF描述子计算、Hamming距离匹配以及优化匹配点的选取，并展示了匹配结果的绘制方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

步骤：

1、imread（）读取图片；

2、特征点检测器：检测每个图片的 Oriented FAST 角点 detector->detect()；

3、根据各图片角点位置计算 BRIEF 描述子descriptor->compute ( img_1, keypoints_1, descriptors_1 )；

4、计算两幅图像的 Hamming 距离matcher->match ( descriptors_1, descriptors_2, matches );；

5、找出所有匹配之间的最小距离和最大距离，选出优化的匹配点；

6、drawMatches()绘制匹配结果。

#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/features2d/features2d.hpp>
#include <opencv2/highgui/highgui.hpp>

using namespace std;
using namespace cv;

int main ( int argc, char** argv )
{
    if ( argc != 3 )
    {
        cout<<"usage: feature_extraction img1 img2"<<endl;
        return 1;
    }
    //-- 读取图像
    Mat img_1 = imread ( argv[1], CV_LOAD_IMAGE_COLOR );//可以是RGB类型：CV_LOAD_IMAGE_COLOR
    Mat img_2 = imread ( argv[2], CV_LOAD_IMAGE_COLOR );

    //-- 初始化
    std::vector<KeyPoint> keypoints_1, keypoints_2;
    Mat descrip