理論
關(guān)于ORB最重要的事情是它是OpenCV實(shí)驗(yàn)室出來的，它在計(jì)算成本，匹配性能上是SIFT和SURF很好的替代品，還有最主要的，專利，對(duì)，SIFT和SURF都是有專利的，你得付費(fèi)試用，但是ORB不是
ORB基本上是一個(gè)FAST關(guān)鍵點(diǎn)檢測(cè)和BRIEF描述子的融合，同時(shí)做了很多修改提高了性能。首先它使用FAST來找關(guān)鍵點(diǎn)，然后用Harris角點(diǎn)測(cè)量來找到頭N個(gè)點(diǎn)。還使用金字塔來產(chǎn)生多層級(jí)特征，但是問題是FAST不計(jì)算方向，所以旋轉(zhuǎn)不變呢？作者做了如下修改。
它計(jì)算定位的角點(diǎn)小塊質(zhì)心的亮度權(quán)重，這個(gè)角點(diǎn)到質(zhì)心的向量的方向就是方向，要改進(jìn)旋轉(zhuǎn)不變，通過x和y計(jì)算應(yīng)該在圓形區(qū)域的半徑r，r是這小塊的大小。
現(xiàn)在對(duì)于描述子，ORB使用BRIEF描述子，但是我們已經(jīng)看到了BRIEF對(duì)旋轉(zhuǎn)處理很差，所以O(shè)RB做的是按關(guān)鍵點(diǎn)的方向引導(dǎo)BRIEF。對(duì)于任何位置(xi, yi)的n個(gè)二進(jìn)制測(cè)試的特征集合。定義一個(gè)2xn的矩陣，S包含這些像素的坐標(biāo)，然后使用方塊的方向θ，它的旋轉(zhuǎn)矩陣被找到，并旋轉(zhuǎn)S得到旋轉(zhuǎn)后的Sθ.
ORB把角度離散成2π/30(12度），構(gòu)建一個(gè)預(yù)計(jì)算BRIEF模式的查找表，只要關(guān)鍵點(diǎn)方向θ，Sθ的正確集合就會(huì)被用來計(jì)算它的描述子。
BRIEF有一個(gè)重要的屬性，每個(gè)位特征有一個(gè)大的變化，差接近0.5.但是當(dāng)他和關(guān)鍵點(diǎn)方向一致，它丟失了這個(gè)屬性變得更加分散。高不一致使得一個(gè)特征值更加有區(qū)分姓，因?yàn)樗麑?duì)輸入的響應(yīng)更加多樣。另一個(gè)想要的屬性是有不相關(guān)測(cè)試，因?yàn)槊總€(gè)測(cè)試會(huì)對(duì)結(jié)果有貢獻(xiàn)，要解決這個(gè)，ORB使用一個(gè)貪婪搜索所有可能的二進(jìn)制測(cè)試來找既有高不一致并且差接近0.5的，如果不相關(guān)，結(jié)果就被叫做rBRIEF。
對(duì)于匹配的描述子，使用了多探針LSH提高傳統(tǒng)的LSH。論文說ORB比SURF和SIFT都快很多并且ORB描述子做的也比SURF好。ORB是一個(gè)低性能設(shè)備做全景拼接的好選擇
OpenCV里的ORB
和通常一樣，我們需要用函數(shù)cv2.ORB()建立一個(gè)ORB對(duì)象，或者使用一個(gè)feature2d通用接口。有很多可選參數(shù)據(jù)，最有用的一個(gè)是nFeature，用來指明要保留的特征值的最大數(shù)量（默認(rèn)是500）。scoreType指明是Harris分?jǐn)?shù)或者FAST分?jǐn)?shù)來給特征評(píng)分（默認(rèn)是Harris分?jǐn)?shù)）。另一個(gè)參數(shù)WTA_K決定要產(chǎn)生有方向的BRIEF描述子的每個(gè)元素的點(diǎn)的數(shù)量。默認(rèn)是2，一次選擇兩個(gè)點(diǎn)。對(duì)于匹配，使用NORM_HAMMING距離，如果WTA_K是3或者4，會(huì)取3或者4個(gè)點(diǎn)來產(chǎn)生BRIEF描述子，然后匹配距離是NORM_HAMMING2.
import numpy as np
import cv2
from matplotlib import pyplot as pltimg = cv2.imread('simple.jpg',0)
# Initiate STAR detector
orb = cv2.ORB()# find the keypoints with ORB
kp = orb.detect(img,None)# compute the descriptors with ORB
kp, des = orb.compute(img, kp)# draw only keypoints location,not size and orientation
img2 = cv2.drawKeypoints(img,kp,color=(0,255,0), flags=0)
plt.imshow(img2),plt.show()
結(jié)果：
END
