特征检测与描述

• 理解特征

  图像中的主要特征是什么？找到这些特征对我们有什么用处？

• Harris 角点检测

  好的，角点是优秀的特征吗？但我们如何找到它们？

• Shi-Tomasi 角点检测器和要跟踪的优秀特征

  我们将研究 Shi-Tomasi 角点检测

• SIFT（尺度不变特征变换）简介

  当图像的尺度发生改变时，Harris 角点检测不够好。Lowe 开发了一种突破性方法来找到尺度不变特征，称为 SIFT

• SURF（加速稳健特征）简介

  SIFT 非常好，但不够快，因此人们想出了一个加速版本，称为 SURF。

• 用于角点检测的 FAST 算法

  所有上述特征检测方法在某种程度上都很好。但是，它们不够快，无法在 SLAM 等实时应用程序中工作。于是出现了 FAST 算法，它确实“FAST”。

• BRIEF（二元鲁棒独立基本特征）

  SIFT 使用了具有 128 个浮点数的特征描述符。考虑数千个这样的特征。这需要大量的内存和更多的时间进行匹配。我们可以压缩它以使其更快。但我们仍然必须首先计算它。这里出现 BRIEF，它提供了找到二元描述符的捷径，具有更少的内存、更快的匹配速度，并且仍然具有更高的识别率。

• ORB（定向 FAST 和旋转 BRIEF）

  SIFT 和 SURF 在它们所做的事情上很优秀，但如果你必须每年支付几美元才能在你的应用程序中使用它们，该怎么办？是的，它们已获得专利!!!为了解决这个问题，OpenCV 开发人员提出了一个新的“免费”替代方案来替代 SIFT 和 SURF，即 ORB。

• 特征匹配

  我们对特征检测器和描述符有了很多了解。现在是学习如何匹配不同描述符的时候了。OpenCV 提供了两种技术：Brute-Force 匹配器和基于 FLANN 的匹配器。

• 特征匹配 + 单应性矩阵来查找对象

  现在我们了解了特征匹配。让我们将它与 calib3d 模块混合使用，以找到复杂图像中的对象。