ORB特征匹配原理及源代码
这篇往后，会暂时先更ORB、SITF、SURF三篇特征算子，在代码部分，会在本篇介绍下OPENCV特征匹配的特征点KeyPoint、特征描述子和匹配算子Match等的构成。 一、背景： 目前特征匹配算子主要应用于目标追踪、图像匹配等多个方面，效果比较好的有SIFT、SURF、ORB等特征匹配算子，SURF由在SIFT上改进得到。目前暂更ORB、SIFT和SURF三种特征匹配算子。在此，先简要介绍下三种算子，ORB采用FAST进行特征点检测，相对于SIFT和SURF具有运行速度快的优点，OBR算法推出晚于SIFT和SURF算法，运行速度优于SIFT和SURF（网上可以搜到三者运行速度差距，在此不再展示），主要应用于实时图像匹配。SIFT和SURF具有更好的稳定性，SURF是SIFT的改进版本，运行速度和匹配效果均优于SIFT。(在此介绍SIFT,是希望读者了解其中的算法，SIFT在最初的特征匹配上，有比较好的效果。同时希望，读者如果有兴趣，可以继续改进SIFT，万一再研究出个SXXXX，发表论文、申请专利呢？？？hhhhh)。 二、ORB特征匹配原理： 特征匹配的步骤一般可分为3步：1.检测特征点，2.计算特征点的描述子，3.根据特征点的描述子进行特征点匹配。 ORB特征点检测： 1.ORB在特征点检测部分，采用FAST算法进行特征点检测