视觉SLAM14讲-学习记录-特征点法

已于 2022-11-03 16:48:51 修改
阅读量526 收藏 1
点赞数
分类专栏： 视觉SLAM学习记录 文章标签： 学习 计算机视觉 图像处理
于 2022-11-01 20:00:00 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/qq_42789829/article/details/127631991
版权
本文介绍了ORB特征点法在视觉SLAM中的重要性，包括FAST关键点的检测，Oriented FAST的尺度和方向不变性，以及BRIEF和Rotated BRIEF描述子的使用。此外，还探讨了特征匹配的暴力匹配策略和快速匹配算法FLANN在大规模匹配问题中的优势。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

特征点法

计算特征点法的方法：Harris、FAST、SIFT、SURF、ORB等、以及深度学习计算特征点

Harris、FAST角点不具有旋转不变性和尺度不变性，SIFT方法计算速度太慢，SURF进行了改进，但速度仍旧很慢。在质量与性能的均衡下,ORB是一种比较折中的方法。

ORB特征

由Oriented FAST和Rotated BRIEF组成

FAST关键点

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。

提取思想：如果一个像素与邻域的像素差别较大（过亮或过暗），那么它更可能是角点，相比与其他角点检测算法，FAST算法只需比较像素亮度大小，十分快捷。

检测过程：

  1. 在图像中选取像素p，假设它的亮度为gif.latex?_%7B%7Dgif.latex?I~p~
  2. 设置一个阈值T（比如，gif.latex?I~p~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，如下图
  4. 假如选取的圆上有连续的N个点的亮度大于gif.latex?I~p~+T 或小于gif.latex?I~p~-T，那么像素p可以被认为是特征点（N通常为12，称为FAST-12，其他常用的N取值9和11，成为FAST-9和FAST-11）
  5. 循环以上四步，对每一个像素执行相同的操作

高效的做法：添加一项预测试操作，以更快速高效的排除绝大多数不是角点的像素。

具体操作：直接检测每个像素邻域圆上的第1，5，9，13个像素的亮度。

原理：只有当这四个像素中至少有三个同时大于

最低0.47元/天 解锁文章
视觉SLAM笔记（30） 特征点法
氢键H-H
10-08 1万+
特征点法、特征点、ORB 特征（FAST 关键点、BRIEF 描述子）、特征匹配
视觉SLAM入门 -- 学习笔记 - Part2
～勿据散客～的博客
10-13 369
熟悉 Eigen 矩阵运算 设线性方程 Ax = b，在 A 为⽅阵的前提下，请回答以下问题： 1. 在什么条件下，x 有解且唯⼀？ A满秩，det(A) ≠ 0， 当非齐次线性方程在A的秩与[A|B]的秩相同时方程有解； 当R(A|b) = R(A) = n（n为未知数个数）时有唯一解。 2. 高斯消元法的原理是什么？ 3. QR 分解的原理是什么？ 4. Cholesky 分解的原理是什么？ 5. 编程实现 A 为 100 × 100 随机矩阵时，⽤ QR 和 Cholesky 分解求 x 的程序。 几
SLAM十四讲学习笔记2—— 特征点法
qq_41620270的博客
03-18 619
SLAM十四讲学习笔记2—— 特征点法之特征描述与特征匹配思路步骤简化后思路特征点性质特征点的信息特征点的信息特征匹配优缺点解决方法 思路 由于每个图片里的像素点非常多，无法将所有点都进行对比。因此将每个图片中有特征的点提取出来进行对比。 步骤 将图中特征点（关键点）提取出来：FAST ； 匹配描述点附近图像块的编码关系：ORB； 有了两图的二进制编码即可计算得两图位置（R、t）的关系：ICP；...
slam.rar_G2O_点云特征_点云特征提取_视觉SLAM_视觉SLAM十四讲
07-15
视觉slam十四讲，程序资料：g2o优化、cere拟合、特征点提取与匹配、点云拼接、opencv图像读取
基于特征点的视觉SLAM——VO
11-29
基于特征点的视觉SLAM——VO前端。对基于特征点的视觉SLAM做一个综述
视觉SLAM理论入门——（6）视觉里程计之特征点法—特征点
floatinglong的博客
04-30 2588
一个SLAM系统可以分为前端和后端，其中前端称为视觉里程计，其作用是根据相邻图像的信息估计出粗略的相机运动，给后端提供较好的初始值 视觉里程计的算法主要有两大类：特征点法（主流方法）、直接法 1、特征点 视觉里程计的核心问题是根据图像估计相机运动。特征点法是从各个图像中选取相同的有代表性的点（相机视角发生少量变化时，这些点保持不变），在这些点的基础上讨论相机位姿估计问题以及这些点的定位问题。在经典SLAM模型中，这些点是路标；在视觉SLAM中，这些点是图像特征 数字图像在计算机中以灰度值...
《视觉SLAM14讲》学习笔记——ORB特征提取与匹配
a819096127的博客
11-03 1477
本篇博客是对于《视觉SLAM十四讲》中第7讲的ORB特征提取和匹配部分进行一个记录，后续会继续完善和补充ORB的其他内容 7.1 特征点法 视觉里程计算法主要分为：特征点法和直接法 特征点法的优点：稳定，对光照、动态物体不敏感 7.1.1 特征点 提取角点的算法有：Harris角点、FAST角点、GFTT角点等 单纯的角点不具有尺度不变性，目前主要的特征点有**SIFT1 、SURF、ORB...
视觉SLAM整理，是视觉SLAM14讲的一些总结内容，用于自己归纳整理
07-19
视觉SLAM，全称视觉Simultaneous Localization And Mapping，即同时定位与建图，是机器人领域中的核心技术之一。本文是对SLAM学习的总结，涵盖了从基础到实践的多个方面。 首先，要进行视觉SLAM，需要搭建一个基础...
视觉SLAM入门 -- 学习笔记 - Part4
～勿据散客～的博客
10-28 2055
2 图像去畸变 本次作业，你将尝试如何对一张图像去畸变，得到畸变前的图像。 图1: 测试图像 图1 是本次习题的测试图像（code/test.png），来自EuRoC 数据集[1]。可以明显看到实际的柱子、箱子的直线边缘在图像中被扭曲成了曲线。这就是由相机畸变造成的。根据我们在课上的介绍，畸变前后的坐标变换为： 其中x; y 为去畸变后的坐标，xdistorted; ydistroted 为去畸变前的坐标。现给定参数： 以及相机内参 请根据undistort_image.cpp 文件中内容，完成对该图
【视觉SLAM十四讲】视觉里程计—特征点法
weixin_44413191的博客
07-29 1278
本文为视觉 SLAM 学习笔记，讲解视觉里程计中的特征点法。内容包括特征点法、实践：特征提取和匹配、2D-2D：对极几何、实践：对极约束求解相机运动、三角测量、实践：三角测量、3D-2D：PnP、实践：求解 PnP、3D-3D：ICP、实践：求解 ICP
视觉SLAM十四讲
epic_Lin的博客
01-26 1万+
1、激光SLAM 激光SLAM相对成熟，比如2005年出版的《概率机器人》中就介绍了很多关于激光SLAM的知识，在ROS里也能找到许多关于激光定位、激光建图的现成软件。 2、单目SLAM 在相机移动时，近处的物体移动快，远处的物体移动慢，极远处的物体看上去是不动的。于是当相机移动时，这些物体在图像上的运动就形成了视差。通过视差，我们就能定量的判断哪些物体离得远，哪些物体离得近。 然而，即使我们知道了物体远近，它们仍然只是一个相对的值。单目SLAM估计的轨迹和地图将与真实的轨迹和地图相差一个因子，也就
手写ORB特征提取 +暴力匹配
qq_41253960的博客
03-31 4854
1、提取FAST关键 2、计算关键点的方向，计算关键点描述子，描述子用的是8个32位uint32_t，也就刚好有256位 3、暴力匹配 #include<iostream> #include<opencv2/opencv.hpp> #include<cmath> #include<chrono> #include<vector> using namespace std; int ORB_pattern[256 * 4] = { 8, .
DMatch 结构体
DXT的博客
05-04 1781
struct CV_EXPORTS_W_SIMPLE DMatch { CV_WRAP DMatch() : queryIdx(-1), trainIdx(-1), imgIdx(-1), distance(FLT_MAX) {} CV_WRAP DMatch( int _queryIdx, int _trainIdx, float _distance ) : ...
[计算机视觉] （二）特征点检测与匹配
ingy
11-15 5156
目录 0 特征点/关键点 1 特征检测子 1 Harris角点检测 1.1 数学模型 1.2 判断 1.3 Harris角点响应 1.4 Harris算子的处理流程 2 LoG特征检测算子 2.1 尺度空间 2.2 LoG算子模型 2.3 LoG算子尺度归一化 2.4 LoG算子的处理流程 3 基于DoG的特征检测算子（SIFT-尺度不变特征变换） 3.1 DoG近...
SuperPoint:深度学习特征点+描述子
热门推荐
Vincent Qin
07-20 2万+
【原文链接】：https://www.vincentqin.tech/posts/superpoint/ 本文出自近几年备受瞩目的创业公司MagicLeap，发表在CVPR 2018,一作Daniel DeTone，[paper]，[slides]，[code]。 这篇文章设计了一种自监督网络框架，能够同时提取特征点的位置以及描述子。相比于patch-based方法，本文提出的算法能够在原始图像提...
特征工程(七)：图像特征提取和深度学习
weixin_41643439的博客
05-28 9860
来源：https://mp.weixin.qq.com/s/pZWKECYyvLlkB-Qt8wi0fw 视觉和声音是人类固有的感觉输入。我们的大脑是可以迅速进化我们的能力来处理视觉和听觉信号的，一些系统甚至在出生前就对刺激做出反应。另一方面，语言技能是学习得来的。他们需要几个月或几年的时间来掌握。许多人天生就具有视力和听力的天赋，但是我们所有人都必须有意训练我们的大脑去理解和使用语言。 有趣的是，机器学习的情况是相反的。我们已经在文本分析应用方面取得了比图像或音频更多的进展。以搜索问题为例。人们.
视觉SLAM14讲——视觉里程计1（特征点法）
weixin_55800047的博客
05-16 2738
前面说过视觉SLAM系统分为前端和后端两个内容，前端也叫做视觉里程计。视觉里程计的主要作用是根据相邻的两张图像的信息粗略的估计出相机运动，给后端一个较好的初始值。视觉里程计的两大算法为：特征点法和直接法。本讲主要是特征点法。 1、特征点法 视觉里程计最核心的问题是如何根据图像来估计相机运动。图像在计算机中是以矩阵的形式存储的，直接从矩阵的角度来估计图像是比较复杂的。一个简便的做法是：在图像中选取一些有代表性的点，这些点在相机视角发生少量变化后仍会保持不变，我们需要在各个图像中找到相同的点，在这些点的基础
视觉SLAM（四）：视觉里程计——特征点法
Starry__的博客
08-23 1936
目录1. 特征点法1.1. 特征提取1.2. 特征匹配1.3. 计算相机运动三级目录2. 直接法 在SLAM中前端视觉里程计（Visual Odometry, VO）要完成的是通过摄像头相邻的两帧图像变化估计相机的运动，并恢复空间结构。有两大类算法，分别是特征点法和直接法。 1. 特征点法 特征点法的含义是：通过分析相邻图像中特征点的变化来估计相机的运动。 1.1. 特征提取 此处特征点指图像中特别的区域，并且相邻间图像特征点 在诸如旋转、光照、尺度缩放等等影响下不发生明显变化。例如角点、边缘点、暗区域的亮
Oriented Fast神奇高效的代码实现方式——ORBSLAM2源码讲解（二）
weixin_45947476的博客
02-14 4631
文章目录前言一、基础知识二、灰度质心法原理二、使用步骤1.引入库2.读入数据总结 前言 本博客结合哔哩大学视频ORBSLAM2【ORBSLAM2源码讲解专题一】ORB特征点提取与均匀化策略和高翔的《视觉SLAM十四讲》总结。 代码参照github的ORB_SLAM2_detailed_comments ORBSLAM2代码很经典，而且代码量大，会分成多个博客研究，下为slam专题的其他链接： 代码要求环境做了总结，解决了配置中的一些常见问题：slam的环境配置大全–保姆教学 代码如何运行记录：ORB_..
slam14讲笔记
最新发布
03-20
引用[1]到[4]都是关于《视觉SLAM14讲》的笔记，涉及不同章节的内容。例如，引用[1]提到了SLAM的基本问题和前三章笔记，引用[2]和[3]讨论了单目和双目相机的模型以及初始化问题，引用[4]则涉及滑动窗口和位姿图优化。...
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
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