阅读笔记(一)--ORB: an efficient alternative to SIFT or SURF

1，ORB是基于BRIEF的二进制描述子，具有旋转不变和抗噪声（图像噪声）的特性。

2，ORB的提取特征的效率很高，其他特征提取方法无法满足实时性，比如在视觉里程计。

3，ORB的特征提取基于FAST特征点检测和BRIEF描述子，所以称为Oriented FAST and Rotated BRIEF。

4，文章的贡献有以下四个方面

1. 高效和准确并具有方向的FAST特征点
2. 高效的具有方向性BRIEF特征计算
3. 方向性BRIEF特征的方差和相关性分析
4. 一个BRIEF特征关于旋转不变性的相关性解析方法，获取更好的最邻近匹配

5，在并行定位和建图的应用中，需要图像比例金字塔，一个Harris角点过滤器来排除边缘点和提供可靠的特征。

6，特征点方向参考Rosin的文章，不像SIFT中可能有多个方向，ORB中只有一个。

7，FAST特征点（由Harris过滤）在每一层金字塔图像中都生成。

8，灰度质心法假设角点的灰度与质心之间存在一个偏移，这个向量可以用于表示一个方向（FAST特征点方向）。

9，为了让BRIEF具有旋转不变性，这里使用了得当初寻找FAST的关键点的方向的作为BRIEF的方向。

关于ORB的特征点和描述子计算参考下面两篇文章

https://blog.csdn.net/c602273091/article/details/56008370

http://www.cnblogs.com/ronny/p/4083537.html

ORBSLAM2的特征点提取和描述子计算源码解析（使用的是ORB特征）

https://blog.csdn.net/weixin_38636815/article/details/81943109