无人机航拍图像匹配——ORB算法实践（含代码）

一.摘要

航拍图像通常涉及不同视角和尺度的变化，这导致相邻图像之间的特征点具有不同的尺度和方向，增加了匹配的困难。特征点提取和描述子生成算法需要具备尺度不变性和旋转不变性，以应对不同尺度和旋转变化的情况，并且航拍图像往往包含大规模的场景，其中可能存在大量的特征点和复杂的纹理。在处理大规模场景时，特征点匹配算法需要具备高效的计算能力和处理速度，以应对大量特征点的匹配需求。

比较通用的特征点提取和描述的算法是SIFT(Scale-Invariant Feature Transform)和ORB(Oriented FAST and Rotated BRIEF）。
SIFT算法是一种基于尺度不变特征的算法，能够在不同尺度和旋转下提取稳定的特征点，并生成描述子进行匹配，适用于各种复杂场景，但是实时性较差
ORB则具有较好的实时性，适用于航拍定位的各种场景

本文分为两部分，第一部分详细讲解ORB算法的原理，第二部分结合代码详细讲解如何使用opencv-python内置的ORB模块进行图像匹配

二.ORB算法的原理

图像匹配的流程是：
角点检测——>用描述子对角点周围图像区域的特征进行编码的向量或二进制表示——>对两张图中的描述子进行匹配——>离群点消除

ORB算法是一种结合了FAST**角点检测**和BRIEF**描述子的特征点提取和匹配算法，并且通过方向计算和构造尺度金字塔**使得其具有一定的旋转，尺度不变性
想要弄清楚ORB为什么快，就必须要知道FAST角点检测，和BRIEF描述子。

1. FAST角点检测

FAST的基本原理就是先在图片中取一个像素点P,其强度为 $I_p$ , 然后用周长为3个像素的圆来判定P点是否为角点，具体如图所示：

   顺时针为圆编号，这里编了16个序号，设置一个阈值 $T$ 如果连续有 N 个点的强度$I$都大于 $I_p+T$或者小于$I_p-T$，那么中心像素点P就可以被判定为角点。
   为了提升速度，可以先检测$I$-1,5,9,13这四个点的强度，如果没有超过三个点强度$I$大于 $I_p+T$或者小于$I_p$