ORB 特征点 (Oriented FAST and Rotated BRIEF)

ORB 是一种具有局部不变形的特征点特征,是FAST特征点和BRIEF描述子的结合。

FAST特征:

1.从图片中选择像素点P,亮度L

2.设定threshold T

3.consider a circle with R=3 , meaning 16 points in total

4. if there are n consective points on the circle, > I+T or <I-T , it is a corner point. n can be 12 or 9

we can use high speed test to fastly eliminate large unsuitable areas:

we check points No.1 9 5 and 13. if 1 and 9  meet requirement 4, then check 5 and 13. if it is a corner point ,there 3/4 of the circle points will meet 4. if not, it is not a corner point.

Note: we cannot use HST if n<12

BRIEF descriptor:

1. find a patch around a feature point

2. find Nd point pairs inside the patch

3. for every point pairs, if I(1)>I(2) , its corresponding binary value=0 , else 1

4.we can thus generate a binary string with length=Nd

5. we can then use hammering distance to describe these descriptors.

时间: 2024-10-17 06:43:08

ORB 特征点 (Oriented FAST and Rotated BRIEF)的相关文章

图像处理检测方法 — ORB(Oriented FAST and Rotated BRIEF)

1.FAST  FAST算子的基本原理是:若某像素点与其周围领域内足够多的连续的像素点存在某一属性差异,并且该差异大于指定阈值,则可以断定该像素点与其邻域像素有可被识别的不同之处,可以作为一个特征点(角点):对于灰度图像,FAST算子考察的属性是像素与其邻域的灰度差异. 这个检查过程可以用下图更清楚的描述:对于图像上所有像素点,考察其7*7邻域内以该点为圆心,半径是3的圆周上的共计16个像素点和中心点的差异.如果有连续的12(或9)个像素点与中心点的灰度差的绝对值大于或低于某一给定阈值,则该点被

ORB特征点检测

Oriented FAST and Rotated BRIEF 这篇文章我们将介绍一种新的具有局部不变性的特征 —— ORB特征,从它的名字中可以看出它是对FAST特征点与BREIF特征描述子的一种结合与改进,这个算法是由Ethan Rublee,Vincent Rabaud,Kurt Konolige以及Gary R.Bradski在2011年一篇名为“ORB:An Efficient Alternative to SIFT or SURF”的文章中提出.就像文章题目所写一样,ORB是除了SI

OpenCV特征点检测------ORB特征

OpenCV特征点检测------ORB特征 ORB是是ORiented Brief的简称.ORB的描述在下面文章中: Ethan Rublee and Vincent Rabaud and Kurt Konolige and Gary Bradski, ORB: an efcient alternative to SIFT or SURF, ICCV 2011 没有加上链接是因为作者确实还没有放出论文,不过OpenCV2.3RC中已经有了实现,WillowGarage有一个talk也提到了这个

ORB特征

ORB特征: 概述: ORB算法是Ethan Rublee在ICCV 2011上提出的一种用于基于视觉信息的特征点检测与描述算法,特征点检测部分利用运算速度特别快的FAST角点检测子,并针对FAST特征不具备方向的问题,加入了FAST特征的方向信息,特征点描述部分则是利用基于像素点二进制位比较的BRIEF特征描述子,并改进了 BRIEF描述子对图像噪声敏感和不具备旋转不变性的缺点. 性能:(SIFT.SURF.ORB) 在对特征点的描述的细致程度上是SIFT算法高于SURF算法,SURF算法有高

开源词袋模型DBow3原理&amp;源码(二)ORB特征的保存和读取

util里提供了create_voc_step0用于批量生成features并保存,create_voc_step1读入features再生成聚类中心,比较适合大量语料库聚类中心的生成. 提取一张图的特征如下: 第一行是文件头,分别用32bit表示特征来自几张图(1).特征描述子长度(128bit,=32B), 特征长度(89), 特征类型(cv8u) ./utils/create_voc_step0 orb fea0 zs00.jpg Extracting features... readin

sift、surf、orb 特征提取及最优特征点匹配

目录 sift sift特征简介 sift特征提取步骤 surf surf特征简介 surf特征提取步骤 orb orb特征简介 orb特征提取算法 代码实现 特征提取 特征匹配 附录 sift sift特征简介 SIFT(Scale-Invariant Feature Transform)特征,即尺度不变特征变换,是一种计算机视觉的特征提取算法,用来侦测与描述图像中的局部性特征. 实质上,它是在不同的尺度空间上查找关键点(特征点),并计算出关键点的方向.SIFT所查找到的关键点是一些十分突出.

图像特征点提取方法对比及特征点匹配方法

特征点提取方法 官网的文档 对特征的理解 Understanding Features harris特征点 Harris Corner Detection Shi-Tomasi特征点 Shi-Tomasi Corner Detector & Good Features to Track FAST特征点  FAST Algorithm for Corner Detection SIFT特征点 Introduction to SIFT (Scale-Invariant Feature Transfo

Robotics Lab3 ——图像特征匹配、跟踪与相机运动估计

Robotics Lab3 --图像特征匹配.跟踪与相机运动估计 图像特征匹配 图像特征点 携带摄像头的机器人在运动过程中,会连续性地获取多帧图像,辅助其感知周围环境和自身运动.时间序列上相连的两幅或多幅图像,通常存在相同的景物,只是它们在图像中的位置不同.而位置的变换恰恰暗含了相机的运动,这时就需要相邻图像间的相似性匹配. 选取一大块图像区域进行运动估计是不可取的.已知图像在计算机内部是以数字矩阵的形式存储的,[如灰度图的每个元素代表了单个像素的灰度值].而对于点的提取和匹配较为方便,且和数字

SLAM论文阅读笔记

[1]陈卫东, 张飞. 移动机器人的同步自定位与地图创建研究进展[J]. 控制理论与应用, 2005, 22(3):455-460. [2]Cadena C, Carlone L, Carrillo H, et al. Past, Present, and Future of Simultaneous Localization and Mapping: Toward the Robust-Perception Age[J]. IEEE Transactions on Robotics, 2016