特征检测与描述

• 理解特征

  图像的主要特征是什么？找到这些特征对我们有什么用？

• 哈里斯角点检测

  好的，角点是很好的特征吗？但是我们如何找到它们？

• Shi-Tomasi 角点检测器和良好的跟踪特征

  我们将研究 Shi-Tomasi 角点检测

• SIFT（尺度不变特征变换）简介

  当图像比例变化时，Harris 角点检测器不够好。 Lowe 开发了一种突破性的方法来寻找尺度不变特征，它被称为 SIFT

• SURF（加速鲁棒特征）简介

  SIFT 真的很好，但不够快，所以人们提出了一个加速版本，称为 SURF。

• FAST 角点检测算法

  以上所有特征检测方法在某些方面都很好。但它们不够快，无法在 SLAM 等实时应用中使用。 FAST 算法应运而生，它确实“FAST”。

• BRIEF (二进制鲁棒独立基本特征)

  SIFT 使用包含 128 个浮点数的特征描述符。 考虑成千上万个这样的特征。 它需要大量内存和更多时间进行匹配。 我们可以压缩它以使其更快。 但我们仍然必须先计算它。 BRIEF 提供了一个快捷方式来找到二进制描述符，它占用更少的内存，匹配速度更快，识别率仍然更高。

• ORB（Oriented FAST and Rotated BRIEF，定向 FAST 和旋转 BRIEF）

  SIFT 和 SURF 在它们所做的事情上很出色，但是如果您每年都必须支付几美元才能在您的应用程序中使用它们怎么办？ 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 SIFT 和 SURF 的一种新的“免费”替代方案，那就是 ORB。

• 特征匹配

  我们对特征检测器和描述符了解很多。 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：暴力匹配器和基于 FLANN 的匹配器。

• 特征匹配 + 单应性查找对象

  现在我们了解了特征匹配。 让我们将其与 calib3d 模块混合起来，以查找复杂图像中的对象。