orbslam2中orb特徵提取的特點
orbslam2中通過對opencv中的orb特徵點提取類進行修改，對影象進行分塊提取，而後劃分節點，使得每個節點中儲存的特徵點效能是該節點所有特徵點中最好的。
可能按照上面說的方式，大家不太能理解。
這麼說吧。將鋪滿蘋果的桌子進行畫格仔，然後每個格仔中就會有不同數量的蘋果，在每個格仔中選出最好吃的蘋果，格仔中其他的蘋果全部扔掉。(雖然有點可惜，但是大局為重嘛)，那麼原先擺滿蘋果的桌子(如圖1所示)，現在就剩下每個格仔乙個蘋果的桌子，儘管蘋果少了很多，但是剩下的都是精英，極品(如圖2所示)。
根據上面的模擬，還有我那抽象派的蘋果，應該可以對orbslam2中的orb特徵提取做的事情有個大概的了解。
這裡需要提一下的是原生態的orb特徵提取的方法，他主要是通過閾值條件選出所有滿足條件的orb描述子，然後計算所有描述子的響應強度並排序m，根據輸入要求的特徵點數量n，取m中前n個描述子，即響應值最大的前n個描述子。顯然，這種提取的方法會導致特徵點的分布非常不均勻。而這也會影響到slam系統中定位的精度。文末在實現原始碼的時候會給大家看看兩種方法提取特徵的結果。
orb特徵提取的原始碼流程
orb描述子的提取流程：
1. 輸入影象，並對輸入影象進行預處理，將其轉換成灰度影象；
2. 初始化引數，包括特徵點數量nfeatures，尺度scalefactor，金字塔層數nlevel，初始閾值inithfast，最小閾值minthfast等引數；
3. 計算金字塔影象，原始碼中使用8層金字塔，尺度因子為1.2，則通過對原影象進行不同層次的resize，可以獲得8層金字塔的影象；
4. 計算特徵點：
1)將影象分割成網格，每個網格大小為w*w=30*30畫素；
2)遍歷每個網格；
3)對每個網格提取fast關鍵點，先用初始閾值inithfast提取，若提取不到關鍵點，則改用最小閾值minthfast提取。(注意，初始閾值一般比最小閾值大)
5. 對所有提取到的關鍵點利用八叉樹的形式進行劃分：
1)按照畫素寬和畫素高的比值作為初始的節點數量，並將關鍵點座標落在對應節點內的關鍵點分配入節點中；
2)根據每個節點中存在的特徵點數量作為判斷依據，如果當前節點只有1個關鍵點，則停止分割。否則繼續等分成4份；
3)按照上述方法不斷劃分下去，如圖3所示，可見出現乙個八叉樹的結構，終止條件是節點的數目lnode大於等於要求的特徵點數量nfeatures；
4)對滿足條件的節點進行遍歷，在每個節點中儲存響應值最大的關鍵點，保證特徵點的高效能；
6. 對上述所儲存的所有節點中的特徵點計算主方向，利用灰度質心的方法計算主方向，上一講中我們已經講解過方法，這講就不再贅述了；
7. 對影象中每個關鍵點計算其描述子，值得注意的是，為了將主方向融入brief中，在計算描述子時，orb將pattern進行旋轉，使得其具備旋轉不變性；
綜上，orb描述子提取的方法已經講解完畢了。現在就是上原始碼了。由於許多人都對原始碼進行過注釋，本文就直接上github:的鏈結給大家，筆者是在ubuntu14.04 + opencv3.2的環境下執行的，已經實測可以執行。另外，本文還對比了orb分網格提取和原始方法提取的異同，具體如圖4所示。可以看見，分網格提取，特徵點質量更好，分布也更均勻，對於slam問題的跟蹤和三角化等能實現更魯邦的效果。
總結
這一講我們講解了orbslam2中，orb的分塊提取原始碼是如何實現的，並且分析了分塊提取和原生態的orb之間的對比；
ps：
Tomcat原始碼初識二 用文字描述整體流程
tomcat原始碼初識一 tomcat整理流程圖 tomcat原始碼初識二 用文字描述整體流程 tomcat原始碼初識三 tomcat如何實現熱載入與熱部署 tomcat原始碼初識四 tomcat如何打破雙親委派 tomcat原始碼初識五 tomcat如何處理http請求 上一章畫了tomcat流程...
稀疏陣列與二維陣列相互轉換思路及原始碼實現
package com.vg public class testsparsearray public static void main string args 建立乙個11 11原始陣列 0代表沒有棋子，1代表黑棋，2代表白棋 int chessarr1 new int 11 11 chessarr...
二叉排序樹的刪除 附思路和原始碼C例項
include include define datatype int define status int define false 0 define true 1 二叉排序樹結構體定義 typedef struct bstnodebstnode,bstree 申請新的樹節點記憶體空間 return...