各大网站投稿邮箱,网络营销的理论基础,昆明大型网站建设费用,岳阳市交通建设投资公司门户网站Opencv特征检测之ORB算法原理及应用详解 特征是图像信息的另一种数字表达形式。一组好的特征对于在指定 任务上的最终表现至关重要。视觉里程 （VO） 的主要问题是如何根据图像特征来估计相机运动。但是，整幅图像用来计算分析通常比较耗时，故而转换为分析图像中的特征点的运动…Opencv特征检测之ORB算法原理及应用详解
特征是图像信息的另一种数字表达形式。一组好的特征对于在指定 任务上的最终表现至关重要。视觉里程 （VO） 的主要问题是如何根据图像特征来估计相机运动。但是，整幅图像用来计算分析通常比较耗时，故而转换为分析图像中的特征点的运动。 计算机视觉领域的研究者们在长年的研究中，设计了许多更加稳定的局部图像特征，如著名的SIFT, SURF,ORB 等等。相比于朴素的角点，这些人工设计的特征点能够拥有如下的性质： 可重复性（Repeatability）：相同的“区域”可以在不同的图像中被找到。可区别性（Distinctiveness）：不同的“区域”有不同的表达。高效率（Efficiency）：同一图像中，特征点的数量应远小于像素的数量。本地性（Locality）：特征仅与一小片图像区域相关。 特征点由关键点（Key-point）和描述子（Descriptor）两部分组成。比方说，当我们谈论 SIFT 特征时，是指“提取 SIFT 关键点，并计算 SIFT 描述子”两件事情。关键点是指该特征点在图像里的位置，有些特征点还具有朝向、大小等信息。描述子通常是一个向量，按照某种人为设计的方式，描述了该关键点周围像素的信息。描述子是按照“外观相似的特征应该有相似的描述子”的原
