原文鏈接：什么是ORB

關(guān)于Orb特征的獲取：參考 最新版的OpenCV中新增加的ORB特征的使用

ORB是是ORiented Brief 的簡(jiǎn)稱(chēng)，對(duì)Brief的特定性質(zhì)進(jìn)行了改進(jìn)。

ORB的描述在下面文章中：

??????? Ethan Rublee and Vincent Rabaud and Kurt Konolige and Gary Bradski,ORB: an ef?cient alternative to SIFT or SURF, ICCV 2011

??????? 沒(méi)有加上鏈接是因?yàn)樽髡叽_實(shí)還沒(méi)有放出論文，不過(guò)OpenCV2.3RC中已經(jīng)有了實(shí)現(xiàn)，WillowGarage有一個(gè)talk也提到了這個(gè)算法，因此我不揣淺陋，在這里總結(jié)一下。

??????? Brief是Binary Robust Independent Elementary Features的縮寫(xiě)。這個(gè)特征描述子是由EPFL的Calonder在ECCV2010上提出的。主要思路就是在特征點(diǎn)附近隨機(jī)選取若干點(diǎn)對(duì)，將這些點(diǎn)對(duì)的灰度值的大小，組合成一個(gè)二進(jìn)制串，并將這個(gè)二進(jìn)制串作為該特征點(diǎn)的特征描述子。詳細(xì)算法描述參考如下論文：

Calonder M., Lepetit V., Strecha C., Fua P.: BRIEF: Binary Robust Independent Elementary Features. ECCV 2010

?????? 注意在BRIEF eccv2010的文章中，BRIEF描述子中的每一位是由隨機(jī)選取的兩個(gè)像素點(diǎn)做二進(jìn)制比較得來(lái)的。文章同樣提到，在此之前，需要選取合適的gaussian kernel對(duì)圖像做平滑處理。（為什么要強(qiáng)調(diào)這一點(diǎn)，因?yàn)橄率龅腛RB對(duì)此作了改進(jìn)。）

?????? 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就是試圖解決上述缺點(diǎn)中的1和2.

如何解決旋轉(zhuǎn)不變性：

???????? 在ORB的方案中，是采用了FAST作為特征點(diǎn)檢測(cè)算子。FAST應(yīng)用的很多了，是出名的快，以防有人不知道，請(qǐng)看這里：

FastCornerDetecting

??????? 在Sift的方案中，特征點(diǎn)的主方向是由梯度直方圖的最大值和次大值所在的bin對(duì)應(yīng)的方向決定的。略嫌耗時(shí)。

????? ? 在ORB的方案中，特征點(diǎn)的主方向是通過(guò)矩（moment）計(jì)算而來(lái)，公式如下：

?????? 有了主方向之后，就可以依據(jù)該主方向提取BRIEF描述子。但是由此帶來(lái)的問(wèn)題是，由于主方向會(huì)發(fā)生變化，隨機(jī)點(diǎn)對(duì)的相關(guān)性會(huì)比較大，從而降低描述子的判別性。解決方案也很直接，采取貪婪的，窮舉的方法，暴力找到相關(guān)性較低的隨機(jī)點(diǎn)對(duì)。

如何解決對(duì)噪聲敏感的問(wèn)題：

??????? 在前面提到過(guò)，在最早的eccv2010的文章中，BRIEF使用的是pixel跟pixel的大小來(lái)構(gòu)造描述子的每一個(gè)bit。這樣的后果就是對(duì)噪聲敏感。因此，在ORB的方案中，做了這樣的改進(jìn)，不再使用pixel-pair，而是使用9×9的patch-pair，也就是說(shuō)，對(duì)比patch的像素值之和。（可以通過(guò)積分圖快速計(jì)算）。

關(guān)于尺度不變性：

???????? ORB沒(méi)有試圖解決尺度不變性，（因?yàn)镕AST本身就不具有尺度不變性。）但是這樣只求速度的特征描述子，一般都是應(yīng)用在實(shí)時(shí)的視頻處理中的，這樣的話就可以通過(guò)跟蹤還有一些啟發(fā)式的策略來(lái)解決尺度不變性的問(wèn)題。

關(guān)于計(jì)算速度：

??????? ORB是sift的100倍，是surf的10倍。

關(guān)于性能：

?????? 下面是一個(gè)性能對(duì)比，ORB還是很給力。點(diǎn)擊看大圖。?????????

結(jié)果評(píng)測(cè)...............................

OpenCV的參數(shù)描述：

C++:ORB::ORB( int nfeatures=500, float scaleFactor=1.2f, int nlevels=8, int edgeThreshold=31, int firstLevel=0, int WTA_K=2, int scoreType=ORB::HARRIS_SCORE, int patchSize=31)

Parameters：
?????? nfeatures – The maximum number of features to retain.?? 最多保留特征的個(gè)數(shù)
?????? scaleFactor – Pyramid decimation ratio, greater than 1. scaleFactor==2 means the classical pyramid, where each next level has 4x less pixels than the previous, but such a big scale factor will degrade feature matching scores dramatically. On the other hand, too close to 1 scale factor will mean that to cover certain scale range you will need more pyramid levels and so the speed will suffer.

???? ? 縮放因子：金字塔抽取比率，大于1的浮點(diǎn)數(shù)。2表示1/4像素抽取。接近于1需要多次抽取擴(kuò)增實(shí)現(xiàn)浮點(diǎn)級(jí)別的金字塔效果。

?????? nlevels – The number of pyramid levels. The smallest level will have linear size equal to input_image_linear_size/pow(scaleFactor, nlevels).
?????? edgeThreshold – This is size of the border where the features are not detected. It should roughly match the patchSize parameter.

?????? 邊緣閾值：大致等同于塊大小參數(shù)。

?????? firstLevel – It should be 0 in the current implementation.

?????? WTA_K – The number of points that produce each element of the oriented BRIEF descriptor. The default value 2 means the BRIEF where we take a random point pair and compare their brightnesses, so we get 0/1 response.????? Other possible values are 3 and 4. ?? For example, 3 means that we take 3 random points (of course, those point coordinates are random, but they are generated from the pre-defined seed, so each element of BRIEF descriptor is computed deterministically from the pixel rectangle), find point of maximum brightness and output index of the winner (0, 1 or 2). Such output will occupy 2 bits, and therefore it will need a special variant of Hamming distance, denoted as NORM_HAMMING2 (2 bits per bin).????? When WTA_K=4, we take 4 random points to compute each bin (that will also occupy 2 bits with possible values 0, 1, 2 or 3).

??????? 生成ORB描述子的選取?隨機(jī)匹配種子點(diǎn)?個(gè)數(shù)。

??????? scoreType – The default HARRIS_SCORE means that Harris algorithm is used to rank features ( the score is written to KeyPoint::score and is used to retain best nfeatures features );??? 默認(rèn)使用了HARRIS角點(diǎn)檢測(cè)的算法。

??????? FAST_SCORE is alternative value of the parameter that produces slightly less stable keypoints, but it is a little faster to compute.
??????? patchSize – size of the patch used by the oriented BRIEF descriptor. Of course, on smaller pyramid layers the perceived image area covered by a feature will be larger.?? 檢測(cè)特征?局部塊?大小。

使用OpenCV的代碼段

?

cv::Mat mDescriptors;//每一列關(guān)聯(lián)到一個(gè)ORB特征cv::ORB m_Orb;//提取器m_Orb.detect( im, mvKeys );m_Orb.compute( im, mvKeys, mDescriptors);

總結(jié)

以上是生活随笔為你收集整理的SLAM: Orb_SLAM中的ORB特征的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。