<p>ORBSLAM2中很多模块可以单独拿出来给自己的程序使用，博主在这里将ORB中特征点提取模块提取出来，供后续自己开发。</p>
<p>与OpenCV库中提供的ORB特征点提取函数相比，ORBSLAM中特征点分布均匀，ORBSLAM将图像划分成若干个区域，在每个区域内设置提取特征点的数量，并设置提取数量的阈值，保证整幅图片特征点数量更均匀。</p>
<p>ORB特征点如何提取在这里不做赘述，很多博客和高博的《视觉SLAM十四讲》讲的都非常清楚。（PS:在这里想推荐一下高博最近新出的《视觉SLAM十四讲 第二版》，大致看了下自认为与第一版相比改变较大，新添加了很多原理性程序，比如手写高斯牛顿法，手写特征点提取，而不仅仅是像第一版用调库的方法实现。）</p>
<p>不多废话，直接上代码：</p>
<p>头文件函数，博主在这里改了一下命名空间的名字，其余没有任何变化，因为这个模块本身在程序中就是单独的一块存在，并不依赖其他功能函数。在头文件中可以看到，作者重载了()运算符，便于调用。</p>
<pre class="blockcode"><code class="language-cpp">#ifndef ORBEXTRACTOR_H
#define ORBEXTRACTOR_H
#include <vector>
#include <list>
#include <opencv/cv.h>
namespace myORB
{
class ExtractorNode
{
public:
ExtractorNode():bNoMore(false){}
void DivideNode(ExtractorNode &n1, ExtractorNode &n2, ExtractorNode &n3, ExtractorNode &n4);
std::vector<cv::KeyPoint> vKeys;
cv::Point2i UL, UR, BL, BR;
std::list<ExtractorNode>::iterator lit;
bool bNoMore;
};
class ORBextractor
{
public:
enum {HARRIS_SCORE=0, FAST_SCORE=1 };
ORBextractor(int nfeatures, float scaleFactor, int nlevels,
int iniThFAST, int minThFAST);
~ORBextractor(){}
// Compute the ORB features and descriptors on an image.
// ORB are dispersed on the image using an octree.
// Mask is ignored in the current implementation.
// 重载（）运算符，作为对外接口
void operator()( cv::InputArray image, cv::InputArray mask,
std::vector<cv::KeyPoint>& keypoints,
cv::OutputArray descriptors);
int inline GetLevels(){
return nlevels;}
float inline GetScaleFactor(){
return scaleFactor;}
std::vector<float> inline GetScaleFactors(){
return mvScaleFactor;
}
std::vector<float> inline GetInverseScaleFactors(){
return mvInvScaleFactor;
}
std::vector<float> inline GetScaleSigmaSquares(){
return mvLevelSigma2;
}
std::vector<float> inline GetInverseScaleSigmaSquares(){
return mvInvLevelSigma2;
}
//存放各层级图片
std::vector<cv::Mat> mvImagePyramid;
protected:
//计算高斯金字塔
void ComputePyramid(cv::Mat image);
///对图像金字塔中的每一层图像进行特征点的计算。具体的计算过程是将图像网格分割为小区域，
/// 每一个小区域独立使用 FAST 角点检测。检测完成之后使用 DistributeOctTree 函数对检测得到的所有角点进行筛选，使得角点分布均匀。
void ComputeKeyPointsOctTree(std::vector<std::vector<cv::KeyPoint> >& allKeypoints);
//将关键点分配到四叉树
std::vector<cv::KeyPoint> DistributeOctTree(const std::vector<cv::KeyPoint>& vToDistributeKeys, const int &minX,
const int &maxX, const int &minY, const int &maxY, const int &nFeatures, const int &level);
void ComputeKeyPointsOld(std::vector<std::vector<cv::KeyPoint> >& allKeypoints);
//存储关键点附近patch的点对
std::vector<cv::Point> pattern;
int nfeatures; //特征点的个数
double scaleFactor; //相邻层图像的比例系数
int nlevels; //构造金字塔的层数
int iniThFAST; //检测fast角点阈值
int minThFAST; //没有检测到角点的前提下降低阈值
//每层特征点的数量
std::vector<int> mnFeaturesPerLevel;
//patch圆的最大坐标
std::vector<int> umax;
//每层相对于原始图像的缩放比例
std::vector<float> mvScaleFactor;
//每层相对于原始图像缩放比例的倒数
std::vector<float> mvInvScaleFactor;
//每层相对于原始图像的缩放比例的平方
std::vector<float> mvLevelSigma2;
std::vector<float> mvInvLevelSigma2;
};
} //namespace ORB_SLAM
#endif
</code></pre>
<p> 接下来是cpp文件</p>
<pre class="blockcode"><code class="language-cpp">#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/features2d/features2d.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <vector>
#include "myORBextractor.h"
using namespace cv;
using namespace std;
namespace myORB
{
const int PATCH_SIZE = 31;
const int HALF_PATCH_SIZE = 15;
const int EDGE_THRESHOLD = 19;
// 计算特征点的角度
// u_max：patch的最大半径
static float IC_Angle(const Mat&am |
|
转播
