无人机航拍图像匹配——ORB算法实践（含代码）

原创

已于 2023-06-08 01:19:34 修改 · 4.1k 阅读

54 ·

CC 4.0 BY-SA版权

文章标签：

#无人机 #计算机视觉 #人工智能 #目标跟踪 #python

于 2023-06-07 22:40:09 首次发布

本文介绍了ORB算法在无人机航拍图像匹配中的应用，包括FAST角点检测、BRIEF描述子生成、方向计算和尺度金字塔的使用。通过opencv-python库演示了图像匹配的步骤，包括特征点检测、描述子生成、匹配和离群点去除，并展示了结果。ORB算法因其实时性和旋转、尺度不变性，适合处理大规模场景的图像匹配任务。

无人机航拍图像匹配——ORB算法实践（含代码）

一.摘要
二.ORB算法的原理
三.使用opencv-python内置的ORB模块进行图像匹配
参考文献

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：
FAST原理图
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 $I_p-T$