【跟我一起读《视觉惯性SLAM理论与源码解析》】第七章ORB特征提取

从第七章到第十四章是ORB-SLAM2的部分
十五章到十九章是ORB-SLAM3的部分

第七章是关于ORB特征提取，大部分是来自课上讲的部分，全当复习哈哈

---

1. 首先介绍FAST角点是怎么提取的，设定阈值T，取半径为3圆上的16个像素点如果有连续N个点的灰度大于Ip+T或者小于Ip-T，那么就把像素p设置为关键点，FAST-9算法中把第1，5，9，13作为锚点，其中四个点中有三个及以上的灰度值满足要求，像素才可能是一个关键点，否则就可以直接排除掉，这也提高了关键点的检测速度
2. 有关图像金字塔你知道多少？如果我们在每一个金子塔层级上进行特征提取，那么无论是拍摄远还是近，都可以在某个金字塔层级上提取到真正的角点
3. 灰度值心法里灰度质心是怎么算的？ORB-SLAM2中是如何加速计算灰度质心的？一般是在圆形图像区域内（直径31）根据对称性一次性索引多行像素。
4. 描述子Steered Brief是怎么计算的？第一步，首先对图像进行高斯滤波，第二步，以关键点为中心，取一定大小的窗口p在窗口内随机选取一对点，比较两者像素的大小，第三步，在窗口随机选取N对随机点，实现旋转不变性，重复第二步的二进制赋值，最后得到一个256维的二进制描述子。
5. 如何计算每层金字塔需要分配多少特征点？
6. 如何将某层金字塔上的特征点通过四叉树的方式分配均匀，具体是如何实现的？如果预计的分裂节点数目大于要提取的特征点数，ORB-SLAM2中是如何处理的？节点分裂完毕后，如何筛选一个节点中的最佳关键点的？

这些问题其实如果看过源代码都是轻松能回答上的，写在这里提醒自己不断复习。