索引地址：系列索引 角点介绍：角点检测 12345678910void cv::goodFeaturesToTrack ( InputArray image, OutputArray corners, int maxCorners, double qualityLevel, double minDistance, InputArray mask = noArr

索引地址：系列索引 就是将前面提到的特征方法综合起来，使用统一的接口。 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182838485868

索引地址：系列索引 特征：图像特征与特征描述子 BRISK特征提取描述算法全称为 Binary Robust Invariant Scalable Keypoints（二进制鲁棒不变可扩展关键点）。BRISK算法也是SIFT算法的一种改进型，主要是针对于旋转不变性、鲁棒性、运算速度等方面做了优化，其大致流程如下： （1）在提取特征点阶段与SIFT算法类似，同样是先构造多尺度图像金字塔，再从每一层图

索引地址：系列索引 特征：图像特征与特征描述子 AKAZE特征算法是SIFT特征算法的一种改进版本，但不使用高斯模糊来构建尺度空间，因为高斯模糊具有丢失边缘信息的缺点，进而采用非线性扩散滤波来构建尺度空间，从而保留图像更多的边缘特征。 在特征点提取阶段，AKAZE算法采用与SIFT算法类似的提取特征点方式，即在同一金字塔层内的不同尺度的一组图像中寻找最大特征点。 然后在特征描述子生成阶段，采用与O

索引地址：系列索引 特征：图像特征与特征描述子 ORB（Oriented FAST and Rotated BRIEF）是一种快速特征点提取和描述的算法。这个算法是由Ethan Rublee, Vincent Rabaud, Kurt Konolige以及Gary R.Bradski在2011年一篇名为“ORB：An Efficient Alternative to SIFTor SURF”的文章

索引地址：系列索引 特征：图像特征与特征描述子 BREIF（Binary Robust Independent Elementary Features） BREIF的基本原理 我们已经知道SIFT特征采用了128维的特征描述子，由于描述子用的浮点数，所以它将会占用512 bytes的空间。类似地，对于SURF特征，常见的是64维的描述子，它也将占用256bytes的空间。如果一幅图像中有1000

索引地址：系列索引 使用surf提取关键点，使用flann进行匹配。 1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636465666768697071#include <opencv2/opencv.hpp&

索引地址：系列索引 SURF（加速版的具有鲁棒性的特征，SpeededUp Robust Features），SURF是尺度不变特征变换算法（SIFT算法）的加速版。SURF最大的特征在于采用了harr特征以及积分图像的概念。 SURF原理 （1）构建Hessian矩阵构造高斯金字塔尺度空间 SIFT采用的是DoG图像，而SURF采用的是Hessian矩阵（SURF算法核心）行列式近似值图像。在

索引地址：系列索引 SIFT特征是非常稳定的图像特征，在图像搜索、特征匹配、图像分类检测等方面应用十分广泛，但是它的缺点也是非常明显，就是计算量比较大，很难实时，所以对一些实时要求比较高的常见SIFT算法还是无法适用。如今SIFT算法在深度学习特征提取与分类检测网络大行其道的背景下，已经越来越有鸡肋的感觉，但是它本身的算法知识还是很值得我们学习，对我们也有很多有益的启示，本质上SIFT算法是很多常

索引地址：系列索引 FLANN库全称是Fast Library for Approximate Nearest Neighbors（快速最近邻逼进搜索库），是一个在高维空间快速搜索近邻的库，它是目前最完整的（近似）最近邻开源库。不但实现了一系列查找算法，还包含了一种自动选取最快算法的机制。 主要优势：实现了包含kd-tree等在内的搜索算法集合，并且可以根据数据集本身特点，自动选取最适合的算法来完