SLAM小白日记——OpenCV特征提取与匹配

1.定义特征提取器和描述子提取器：

cv::Ptr<cv::FeatureDetector> detector;
cv::Ptr<cv::DescriptorExtractor> descriptor;

2.设置提取器的类型（ORB\SIFT\SURF）

detector=cv::FeatureDetector::create("ORB");
// 如果使用 sift, surf ，之前要初始化nonfree模块
// cv::initModule_nonfree();
// _detector = cv::FeatureDetector::create( "SIFT" );
// _descriptor = cv::DescriptorExtractor::create( "SIFT" );
descriptor = cv::DescriptorExtractor::create("ORB");

3.提取关键点

vector<cv::KeyPoint> kp1,kp2;//关键点
detector->detect(rgb1,kp1);//提取关键点
detector->detect(rgb2,kp2);//提取关键点

4.计算描述子

cv::Mat desp1, desp2;
descriptor->compute( rgb1, kp1, desp1 );
descriptor->compute( rgb2, kp2, desp2 );

5.匹配描述子

vector< cv::DMatch > matches; 
cv::BFMatcher matcher;
matcher.match( desp1, desp2, matches );

6.筛选匹配的特征点（去掉大于最小距离的二倍的匹配点）
复制代码

// 筛选匹配，把距离太大的去掉
// 这里使用的准则是去掉大于2倍最小距离的匹配
    vector< cv::DMatch > goodMatches;
    double minDis = 9999;
    for ( size_t i=0; i<matches.size(); i++ )
    {
        if ( matches[i].distance < minDis )
            minDis = matches[i].distance;
    }for ( size_t i=0; i<matches.size(); i++ )
    {
        if (matches[i].distance < 2*minDis)
            goodMatches.push_back( matches[i] );
    }