文章中提出了一种线匹配算法，该算法利用线的局部外观及其几何属性。为了克服线段碎片和几何变化的问题，在尺度空间中提取线。 为了描述线条的局部外观，作者设计了一种名为线带描述符（Line Band Descriptor, LBD）的新型线条描述符。为了评估线对之间的几何一致性，定义了线对之间的几何属性。然后，构建了候选线匹配的关系图，并采用光谱技术来有效地解决这个匹配问题。所提算法的优点如下： (1) 由于采用了多尺度线条检测策略，该算法对图像变换具有很强的鲁棒性；(2) 由于设计的 LBD 描述符计算速度快，且外观相似性降低了图匹配问题的维度，该算法具有很高的效率；(3) 由于采用了成对几何一致性评估方法，该算法即使对于低纹理图像也具有很高的准确性。...
简介 尺度不变特征变换 (Scale-invariant feature transform, SIFT) 12 是计算机视觉中一种检测、描述和匹配图像局部特征点的方法，通过在不同的尺度空间中检测极值点或特征点 (Conrner Point, Interest Point) ，提取出其位置、尺度和旋转不变量，并生成特征描述子，最后用于图像的特征点匹配。SIFT 特征凭借其良好的性能广泛应用于运动跟踪 (Motion tracking) 、图像拼接 (Automatic mosaicing) 、3D 重建 (3D reconstruction) 、移动机器人导航 (Mobile robot navigation) 以及目标识别 (Object Recognition) 等领域3。 ...
ORB 算法原理 ORB (Oriented FAST and Rotated BRIEF)1 算法是对 FAST 特征点检测和 BRIEF (Binary robust independent elementary features)2 特征描述子的一种结合，在原有的基础上做了改进与优化，使得 ORB 特征具备多种局部不变性，并为实时计算提供了可能34。 ...
FAST 角点原理 FAST的全称为 Features From Accelerated Segment Test 。是由 Edward Rosten 和 Tom Drummond 在 2006 年发表的 Machine learning for high-speed corner detection 1 文章中提出。FAST 角点定义为：若某像素点与周围邻域足够多的像素点处于不同区域，则该像素可能为角点。考虑灰度图像，即若某像素点的灰度值比周围邻域足够多的像素点的灰度值大或小，则该点可能为角点。与其他特征点相比较而言，FAST 在进行角点检测时，计算速度更快，实时性更好。23 ...
特征检测 特征检测 (Feature detection) 也称为角点检测 (Corner detection)，特征检测和匹配是许多计算机视觉应用中的一个重要组成部分，广泛应用于运动检测12345678。图像匹配、视频跟踪、三维建模以及目标识别领域中。在 SLAM 前端，往往需要通过特征跟踪 (Feature tracking) 来先初步恢复相机的位姿。那么一张图向中的哪些特征是适合用来做匹配跟踪呢？通常拥有交大对比尺度（梯度）的图像块是比较容易定位的，又由于单一方向的直线段存在 “孔径问题 (aperture problem)” ，因而拥有至少两个（明显）不同方向梯度的图像块最容易定位。如下图所示： ...