木独的博客

ORB(Oriented FAST and Rotated BRIEF) 特征点在Fast角点与brief描述子的基础上，拓展得到ORB特征点。具有实时性好，提取效果也不错的优势，被广泛应用于需要实时处理处理任务的场景中。特征提取预备知识：FAST角点Fast角点不具备尺度不变性，某些点在较小尺度下可能是角点而在大尺度下则变成了边缘，如图所示因此ORB在提取特征点时进行了改进，利用单张图像金字塔进行多尺度特征提取，得到多尺度下的特征点。特征描述ORB特征点的描述子是在brief描述子基

SIFT 特征点sift特征点是非常传统计算机视觉中非常重要的方法，也是最广为人知的算法之一。它也是一个复杂的算法，考虑了尺度特性、旋转特性等。具有如下的优势：局部性：特征点是局部的，不会受到遮挡的影响可区分性：能从巨大的数据集中区分每个特征质量：提取特征点的质量非常高高效：能够取得接近实时的表现可拓展性：能够轻易的拓展成其他类型的特征点，以提高其鲁棒性算法主要包括如下几个步骤：尺度空间极值检测特征点定位方向估计特征点描述子尺度空间极值选择尺度空间同一个物体在不同尺度下呈

Harris 特征点原理提出思想找到一个小区域，该区域无论上下左右如何轻微变化均将导致区域内的图像发生明显的变化。例如：角点，不论怎么移动均会导致图像发生较大变化图像中间点，局部运动时区域内图像内容不变图像边缘，横向运动时区域内图像内容不变因此，采用类似的思想提出了Harris角点，具体步骤如下：计算像素值对区域左右移动的导数矩阵，变化剧烈等价于导数大分析矩阵性质，仅当变化最剧烈的两个方向同时具有较大的数值时才表明该区域为角点区域像素变化速度设当前窗口中心位置为(x,y)(

Fast 特征点的原理十分的简单清晰，即基于如下的先验知识寻找角点。首先在某个点ppp附近画一个圈，选取16个像素点,如上图1-16数字区域。将16个像素点分为三类，d(darker更暗),s(similar相似),b(brighter更亮)d(darker更暗),s(similar相似),b(brighter更亮)d(darker更暗),s(similar相似),b(brighter更亮)如果存在连续的12个以上的像素点均为ddd类或者均为bbb类则说明该点为角加速方法： 1，5，9，13四