高翔Slambook第七讲代码解读（特征点提取）

前言：小白创建了一个微信公众号，主要面向学习视觉的小伙伴，分享一些学习过程中的感受和一些技术文章。公众号里文章也会更新在优快云中，不过由于工作量较大，会出现一段时间的延时，感兴趣的小伙伴可以关注公众号第一时间接受消息。

---

作者：小白

公众号：小白学视觉

---

作为一个视觉SLAM的入门学徒，高翔的书我看了一遍，视频也跟了一遍，代码在自己的电脑上也跑过，但总觉得跟啥都没学没有太大区别。

于是乎决定开始看代码。由于不是计算机专业的本科，看代码比较生疏所以一直以来都是在逃避在敷衍，现在一看确实不落实到代码层面是干脆不行的。高翔的slambook前几讲都是相对比较基础的内容，直到第七讲视觉里程计才有相对切实的应用，那么我准备从第七讲的代码开始下手。

第七讲共五个程序：特征点提取、三种位姿估计方式：2d-2d、3d-2d、3d-3d，和三角化测量。

其中特征点提取是剩余所有程序的一个基础，也作为一个封装好的函数进行调用，那么不妨先从特征点提取这个基础程序开始看。

由于我代码基础较为薄弱，自学能力也较弱，所以本篇内容写得相对基础与啰嗦。对特征点提取这里稔熟于心的同学可以取干别的了，不必在这里浪费时间~

首先，明确一下特征点提取的目的与步骤：

• 目的：在每张图像中找到“区分度较高”的像素点，这里“区分度较高”具体为FAST角点。

• 步骤：高翔的代码注释写的也很全面，步骤基本上可以分为

1. 读取图像

2. 初始化存储特征点数据的变量

3. 提取每张图像的FAST角点

4. 计算每张图像每个FAST角点的BRIEF描述子

5. 根据刚刚计算好的BRIEF描述子，对两张图的角点进行匹配

6. 筛去匹配度较差的角点配对

7. 绘制匹配结果

好了，在把高翔的注释抄了一遍之后，咱们来开始看代码。

#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 );
   Mat img_2 = imread ( argv[2], CV_LOAD_IMAGE_COLOR );

   //-- 初始化
   vector<KeyPoint> keypoints_1, keypoints_2;