SLAM技术交流视觉slam与三维重建

ORB特征提取

2020-05-18 本文已影响0人低调小帅哥

1. 创建图像金字塔，默认层数为8，比例因子为1.2

2. 在金字塔每层中进行FAST-12检测

图1，fast关键点检测

1)记点 $P$ 的像素值 $I_{P}$ ，圆周上的像素值 $I_{i}$ ,若 $\vert I_{P}-I_{i} \vert >t$ ,则称为满足条件。

2)以点 $P$ 为圆心构造一个半径为3的圆，检测1、9、5、13位置上的灰度值，如果四个位置上有3个或3个以上的的像素值都满足条件。则将 $P$ 点作为候选点。

3)将圆周上的其他点像素值与点P像素值比较，如果圆周上有连续12个点的像素值满足条件，则将 $P$ 记为初选点。

3. 对所有初选点进行非极大值抑制，进行二次筛选。

4. 根据每个FAST角点的harris响应对角点排序，进行第三次筛选得到前N个关键点

5. 对第4步得到的N个关键点计算方向

灰度质心法：

以每个关键为中心构建长宽都为31的图像块B

定义图像块B上的矩：

$C_{mn}= \sum_{x,y\in B} x^m y^nI(x,y)$ ，其中 $m,n=\left\{ 0,1 \right\}$

图像块B的质心：

$O^{´}=(\frac{C_{10}}{C_{00}} ,\frac{C_{01}}{C_{00}} )$

方向角：

$\theta =arctan(\frac{C_{01}}{C_{10}} )$

图2.计算描述子的样本空间（共256对，只画出了一对）

6. 计算步骤4得到的关键点的描述子

定义函数：

$\tau(P,x,y)= \begin{matrix} 1:Q(x)<Q(y) \\ 0:Q(x)\geq Q(y) \end{matrix}$

其中 $P$ 为关键点， $Q(x)$ 为以 $x$ 为中心，边长为5的窗口内的所有像素值的和， $Q(y)$ 类似。

选取256对样本 $x,y$ （如何选取？作者在公开数据集上做实验，得到样本空间）：

$S=\left\{ \begin{matrix} x_1 & ... & x_{256} \\ y_1 & ... & y_{256} \end{matrix} \right\}$

其中 $S$ 为根据实验得到的，是固定在关键点周围的采样空间（除非自己用其他数据重

新做实验或者改变获取采样空间的策略）

对样本空间 $S$ 加关键点的旋转角 $\theta$ ，得到最终的样本空间：

$S_{\theta } =R_{\theta } S$ ，其中 $R_{\theta }$ 为 $\theta$ 对应的旋转矩阵

$R_{\theta } =\left[ \begin{matrix} \cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{matrix} \right]$

对最终的样本空间 $S_{\theta }$ 上的每一对样本计算 $\tau (P,x,y)$ 得到256维度的二进制描述子

上一篇下一篇

猜你喜欢

热点阅读