ORB特征初級(jí)學(xué)習(xí)報(bào)告2023/11/182023/11/182021/5/91大綱基本概念特征點(diǎn)檢測(cè)特征點(diǎn)描述特征點(diǎn)匹配和SIFT與SURF特征點(diǎn)檢測(cè)的比較2021/5/922基本概念ORB（OrientedFASTandRotatedBRIEF）是一種快速特征點(diǎn)提取和描述的算法。

2021/5/933ORB特征檢測(cè)流程Fast特征檢測(cè)+高斯金字塔（解決尺度不變性）Brief算法+灰度質(zhì)心法（解決旋轉(zhuǎn)不變性）灰度質(zhì)心法假設(shè)角點(diǎn)的灰度與質(zhì)心之間存在一個(gè)偏移，這個(gè)向量可以用于表示一個(gè)方向。對(duì)于任意一個(gè)特征點(diǎn)pq來(lái)說(shuō)，我們定義pq的鄰域像素的矩為：其中I(x,y)為點(diǎn)(x,y)處的灰度值。那么我們可以得到圖像的質(zhì)心為：2021/5/944特征點(diǎn)檢測(cè)

ORB采用FAST（features

from

accelerated

segment

test）算法來(lái)檢測(cè)特征點(diǎn)。并在它們?cè)瓉?lái)的基礎(chǔ)上做了改進(jìn)與優(yōu)化。2021/5/955HARRIS角點(diǎn)檢測(cè)角點(diǎn)：最直觀的印象就是在水平、豎直兩個(gè)方向上變化均較大的點(diǎn)，即Ix、Iy都較大

Harris角點(diǎn)檢測(cè)過(guò)程中采用非極大值抑制算法去除中間的一些重合的角點(diǎn)2021/5/966ORB特征點(diǎn)描述BRIEF算法的核心思想是在關(guān)鍵點(diǎn)P的周圍以一定模式選取N個(gè)點(diǎn)對(duì)，把這N個(gè)點(diǎn)對(duì)的比較結(jié)果組合起來(lái)作為描述子BRIEF的優(yōu)點(diǎn)在于速度，缺點(diǎn)也相當(dāng)明顯:1：不具備旋轉(zhuǎn)不變性。2：對(duì)噪聲敏感3：不具備尺度不變性。ORB主要解決BRIEF描述子不具備旋轉(zhuǎn)不變性的問(wèn)題2021/5/977BRIEF算法

得到特征點(diǎn)后我們需要以某種方式描述這些特征點(diǎn)的屬性。這些屬性的輸出我們稱之為該特征點(diǎn)的描述子，采用BRIEF算法來(lái)計(jì)算一個(gè)特征點(diǎn)的描述子。BRIEF算法步驟：1.以關(guān)鍵點(diǎn)P為圓心，以d為半徑做圓O。2.在圓O內(nèi)某一模式選取N個(gè)點(diǎn)對(duì)。這里為方便說(shuō)明，N=4，實(shí)際應(yīng)用中N可以取512.假設(shè)當(dāng)前選取的4個(gè)點(diǎn)對(duì)如右圖所示分別標(biāo)記為：

3.操作定義T

其中IA為A點(diǎn)處的灰度4.分別對(duì)已選取的點(diǎn)對(duì)進(jìn)行T操作，將得到的結(jié)果進(jìn)行組合。例如則最終的描述子為：10112021/5/988特征點(diǎn)匹配例如特征點(diǎn)A、B的描述子如下。A：10101011B：10101010我們?cè)O(shè)定一個(gè)閾值，比如80%。當(dāng)A和B的描述子的相似度大于80%時(shí)，我們判斷A,B是相同的特征點(diǎn)，即這2個(gè)點(diǎn)匹配成功。在這個(gè)例子中A,B只有最后一位不同，相似度為87.5%，大于80%。則A和B是匹配的。我們將A和B進(jìn)行異或操作就可以輕松計(jì)算出A和B的相似度。而異或操作可以借組硬件完成，具有很高的效率，加快了匹配的速度。2021/5/999

和SIFT與SURF特征點(diǎn)檢測(cè)的比較

在特征點(diǎn)描述的細(xì)致程度上是SIFT算法高于SURF算法,SURF算法高于ORB算法，但是在計(jì)算速度上來(lái)說(shuō)是ORB>SURF>SIFT。

因此，在選擇特征提取方法的時(shí)候要根據(jù)實(shí)際應(yīng)用情況來(lái)選擇:3D建模等對(duì)時(shí)間要求不是很嚴(yán)格的應(yīng)用，可以選擇S