{"id":95224,"date":"2026-08-16T14:24:01","date_gmt":"2026-08-16T06:24:01","guid":{"rendered":"https:\/\/www.wsisp.com\/helps\/95224.html"},"modified":"2026-08-16T14:24:01","modified_gmt":"2026-08-16T06:24:01","slug":"%e5%9b%be%e5%83%8f%e9%85%8d%e5%87%86%e6%96%b9%e6%b3%95%e5%85%a8%e6%a2%b3%e7%90%86%ef%bc%9a%e4%bc%a0%e7%bb%9f%e7%89%b9%e5%be%81%e3%80%81%e7%81%b0%e5%ba%a6%e7%9b%b4%e6%8e%a5%e6%b3%95%e4%b8%8e%e6%b7%b1","status":"publish","type":"post","link":"https:\/\/www.wsisp.com\/helps\/95224.html","title":{"rendered":"\u56fe\u50cf\u914d\u51c6\u65b9\u6cd5\u5168\u68b3\u7406\uff1a\u4f20\u7edf\u7279\u5f81\u3001\u7070\u5ea6\u76f4\u63a5\u6cd5\u4e0e\u6df1\u5ea6\u5b66\u4e60\u65b9\u6848"},"content":{"rendered":"<\/p>\n

\u56fe\u50cf\u914d\u51c6\u662f\u5c06\u628a\u540c\u4e00\u573a\u666f，\u4e0d\u540c\u65f6\u95f4\u3001\u4e0d\u540c\u89d2\u5ea6\u6216\u4e0d\u540c\u4f20\u611f\u5668\u4e0b\u83b7\u53d6\u7684\u591a\u5f20\u56fe\u50cf\u8fdb\u884c\u7a7a\u95f4\u5bf9\u9f50\u7684\u8fc7\u7a0b\u3002<\/p>\n

\u4e00\u3001\u57fa\u4e8e\u7279\u5f81\u7684\u56fe\u50cf\u914d\u51c6\u65b9\u6cd5<\/h2>\n

\u9996\u5148\u4ece\u5f85\u914d\u51c6\u56fe\u50cf\u4e2d\u63d0\u53d6\u56fe\u50cf\u4e2d\u7684\u5c40\u90e8\u663e\u8457\u7279\u5f81（\u89d2\u70b9\u3001\u8fb9\u7f18\u3001\u8f6e\u5ed3\u3001\u5c40\u90e8\u7279\u5f81\u70b9\u7b49），\u5e76\u4e3a\u5176\u8ba1\u7b97\u63cf\u8ff0\u5b50，\u968f\u540e\u901a\u8fc7\u63cf\u8ff0\u5b50\u7684\u76f8\u4f3c\u5ea6\u5339\u914d\u6765\u5efa\u7acb\u4e24\u5e45\u56fe\u50cf\u4e4b\u95f4\u7684\u5bf9\u5e94\u5173\u7cfb，\u6700\u540e\u901a\u8fc7\u51e0\u4f55\u53d8\u6362\u5b9e\u73b0\u4e24\u5e45\u56fe\u50cf\u7684\u5bf9\u9f50\u914d\u51c6\u3002\u57fa\u4e8e\u7279\u5f81\u7684\u914d\u51c6，\u4f9d\u8d56\u7684\u662f\u56fe\u50cf \u201c\u56fa\u6709\u3001\u7a33\u5b9a\u7684\u7279\u5f81\u201d，\u800c\u975e\u6574\u5e45\u56fe\u50cf\u7684\u7070\u5ea6\u6216\u6574\u4f53\u5f62\u6001\u3002<\/p>\n

\u4f18\u70b9：<\/p>\n

1. \u7279\u5f81\u70b9\u6570\u91cf\u5c11，\u8ba1\u7b97\u91cf\u8f83\u4f4e，\u914d\u51c6\u901f\u5ea6\u5feb，\u9002\u5408\u5b9e\u65f6\u7cfb\u7edf\u4e0e\u5d4c\u5165\u5f0f\u8bbe\u5907\u3002<\/p>\n

2. \u5bf9\u65cb\u8f6c\u3001\u7f29\u653e\u3001\u5149\u7167\u53d8\u5316\u53ca\u90e8\u5206\u906e\u6321\u5177\u6709\u8f83\u5f3a\u9c81\u68d2\u6027\u3002<\/p>\n

3. \u53ef\u7ed3\u5408 SIFT\u3001SURF\u3001ORB\u3001AKAZE \u7b49\u591a\u79cd\u7279\u5f81，\u9002\u5e94\u4e0d\u540c\u573a\u666f\u9700\u6c42\u3002<\/p>\n

4. \u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50（\u5982 ORB\u3001BRIEF\u3001BRISK）\u5185\u5b58\u5360\u7528\u5c0f，\u5339\u914d\u6548\u7387\u9ad8\u3002<\/p>\n

5. \u80fd\u901a\u8fc7 RANSAC \u7b49\u65b9\u6cd5\u5254\u9664\u8bef\u5339\u914d，\u63d0\u9ad8\u6574\u4f53\u914d\u51c6\u7a33\u5b9a\u6027\u3002<\/p>\n

\u7f3a\u70b9：<\/p>\n

1. \u5728\u5f31\u7eb9\u7406\u3001\u91cd\u590d\u7eb9\u7406\u6216\u5927\u9762\u79ef\u5e73\u5766\u533a\u57df\u4e2d，\u7279\u5f81\u70b9\u6570\u91cf\u4e0d\u8db3，\u5bb9\u6613\u5339\u914d\u5931\u8d25\u3002<\/p>\n

2. \u7279\u5f81\u63d0\u53d6\u3001\u63cf\u8ff0\u4e0e\u5339\u914d\u6d41\u7a0b\u8f83\u590d\u6742，\u53c2\u6570\u8f83\u591a\u3002<\/p>\n

3. \u7279\u5f81\u5339\u914d\u9636\u6bb5\u53ef\u80fd\u5b58\u5728\u8bef\u5339\u914d，\u9700\u8981\u989d\u5916\u51e0\u4f55\u4e00\u81f4\u6027\u7ea6\u675f\u8fdb\u884c\u7b5b\u9009\u3002<\/p>\n

4. \u5bf9\u4e25\u91cd\u6a21\u7cca\u3001\u4f4e\u5206\u8fa8\u7387\u6216\u5267\u70c8\u5149\u7167\u53d8\u5316\u573a\u666f\u654f\u611f\u3002<\/p>\n

5. \u5f53\u56fe\u50cf\u95f4\u89c6\u89d2\u53d8\u5316\u8fc7\u5927\u6216\u975e\u521a\u6027\u5f62\u53d8\u660e\u663e\u65f6，\u914d\u51c6\u7cbe\u5ea6\u4f1a\u4e0b\u964d\u3002<\/p>\n

\u9002\u7528\u573a\u666f：<\/p>\n

1. \u6700\u901a\u7528\u3001\u6700\u7075\u6d3b\u7684\u56fe\u50cf\u914d\u51c6\u65b9\u6cd5，\u53ef\u5904\u7406\u5e73\u79fb\u3001\u65cb\u8f6c\u3001\u7f29\u653e\u3001\u4eff\u5c04\u3001\u900f\u89c6\u7b49\u591a\u79cd\u51e0\u4f55\u53d8\u6362\u3002<\/p>\n

2. \u9002\u7528\u4e8e\u76ee\u6807\u8bc6\u522b\u3001\u5168\u666f\u62fc\u63a5\u3001SLAM\u3001\u89c6\u89c9\u91cc\u7a0b\u8ba1（VO）\u3001\u4e09\u7ef4\u91cd\u5efa\u7b49\u4efb\u52a1\u3002<\/p>\n

3. \u7279\u522b\u9002\u5408\u5b58\u5728\u5c3a\u5ea6\u53d8\u5316\u3001\u89c6\u89d2\u53d8\u5316\u53ca\u5c40\u90e8\u906e\u6321\u7684\u590d\u6742\u573a\u666f\u3002<\/p>\n

4. \u5e38\u7528\u4e8e\u5b9e\u65f6\u89c6\u89c9\u7cfb\u7edf，\u5982\u65e0\u4eba\u673a\u3001\u673a\u5668\u4eba\u3001AR\/VR \u4e0e\u79fb\u52a8\u7aef\u89c6\u89c9\u5e94\u7528\u3002<\/p>\n

\u63cf\u8ff0\u5b50\u548c\u5173\u952e\u70b9：<\/p>\n

\u63cf\u8ff0\u5b50（Descriptor）：\u672c\u8d28\u662f\u7528\u4e00\u4e2a\u5411\u91cf\u7f16\u7801\u5173\u952e\u70b9\u9644\u8fd1\u7684\u5c40\u90e8\u7eb9\u7406\u4fe1\u606f\u3002\u8ba9\u540c\u4e00\u7279\u5f81\u70b9\u5728\u4e0d\u540c\u56fe\u50cf\u4e2d\u7684\u63cf\u8ff0\u5c3d\u53ef\u80fd\u76f8\u4f3c，\u4e0d\u540c\u7279\u5f81\u70b9\u7684\u63cf\u8ff0\u5c3d\u53ef\u80fd\u4e0d\u540c，\u4ece\u800c\u5b9e\u73b0\u7279\u5f81\u5339\u914d\u3002<\/p>\n

\u5173\u952e\u70b9：\u5e94\u8be5\u6ee1\u8db3\u5c40\u90e8\u552f\u4e00\u3001\u7a33\u5b9a（\u5173\u7167\u53d8\u5316\u540e\u4ecd\u5b58\u5728）\u3001\u53ef\u91cd\u590d（\u65cb\u8f6c\u7f29\u653e\u540e\u8fd8\u80fd\u68c0\u6d4b\u5230）\u3001\u68af\u5ea6\u4e30\u5bcc（\u4fbf\u4e8e\u63cf\u8ff0）\u3002\u56e0\u6b64，\u8fb9\u7f18\u4e0d\u662f\u597d\u7279\u5f81（\u6cbf\u8fb9\u7f18\u65b9\u5411\u65e0\u6cd5\u786e\u5b9a\u4f4d\u7f6e），\u89d2\u70b9\u624d\u662f\u597d\u7279\u5f81（x\u3001y \u90fd\u552f\u4e00）\u6240\u4ee5\u5173\u952e\u70b9\u68c0\u6d4b\u672c\u8d28\u90fd\u662f\u5728\u627e\u5c40\u90e8\u4e8c\u7ef4\u68af\u5ea6\u53d8\u5316\u90fd\u5f88\u5927\u7684\u70b9\u3002\u8fd9\u662fHarris\/Shi-Tomasi\/FAST\u80cc\u540e\u7684\u672c\u8d28\u3002<\/p>\n

\"\"<\/p>\n

\u5b8c\u6574\u6d41\u7a0b：<\/p>\n

1.\u7279\u5f81\u63d0\u53d6\u4e0e\u63cf\u8ff0<\/p>\n

\u00a0– \u7b97\u6cd5（\u5982SIFT）\u9996\u5148\u5728\u56fe\u50cf\u4e2d\u5bfb\u627e\u5177\u6709\u5c3a\u5ea6\u548c\u65cb\u8f6c\u7a33\u5b9a\u6027\u7684\u5173\u952e\u70b9（Keypoints），\u7136\u540e\u5728\u5176\u90bb\u57df\u5185\u8ba1\u7b97\u51fa\u9ad8\u7ef4\u5ea6\u7684\u7279\u5f81\u63cf\u8ff0\u5b50（Descriptors），\u4f5c\u4e3a\u8be5\u533a\u57df\u7684\u201c\u6570\u5b57\u8eab\u4efd\u8bc1\u201d\u3002<\/p>\n

2.\u7279\u5f81\u5339\u914d\u4e0e\u9c81\u68d2\u51e0\u4f55\u7ea6\u675f<\/p>\n

\u00a0– \u5339\u914d：\u5229\u200b\u200b\u7528\u8ddd\u79bb\u8ddd\u79bb\u516c\u5f0f（\u5982\u6b27\u6c0f\u8ddd\u79bb），\u4e3a\u56feA\u4e2d\u7684\u6bcf\u4e2a\u63cf\u8ff0\u5b50\u5728\u56feB\u4e2d\u5bfb\u627e\u6700\u8fd1\u90bb，\u5efa\u7acb\u521d\u6b65\u7684\u5339\u914d\u3002<\/p>\n

\u00a0– \u51e0\u4f55\u7ea6\u675f\u7eaf\u63d0：\u521d\u59cb\u5339\u914d\u4e2d\u901a\u5e38\u5305\u542b\u5927\u91cf\u7684\u8bef\u5339\u914d（\u5f02\u5e38\u503c\/\u5f02\u5e38\u503c）\u3002\u6b64\u65f6\u9700\u8981\u5f15\u5165\u51e0\u4f55\u7ea6\u675f，\u901a\u8fc7\u7ed3\u5408RANSAC（\u968f\u673a\u566a\u58f0\u4e00\u81f4）\u7b49\u9c81\u68d2\u6027\u4f30\u8ba1\u7b97\u6cd5，\u5728\u8fed\u4ee3\u4e2d\u8bc6\u522b\u5e76\u5254\u9664\u9519\u8bef\u7684\u5339\u914d\u5bf9，\u53ea\u4fdd\u7559\u7b26\u5408\u540c\u4e00\u51e0\u4f55\u89c4\u5f8b\u7684\u6b63\u786e\u5339\u914d\u70b9（\u5185\u70b9\/\u5185\u70b9）\u3002<\/p>\n

3.\u51e0\u4f55\u6a21\u578b\u4f30\u8ba1\u548c\u7a7a\u95f4\u53d8\u6362<\/p>\n

\u00a0– \u77e9\u9635\u521d\u59cb\u5316：\u5229\u7528\u9636\u6bb5\u4e8c\u7b5b\u9009\u51fa\u7684\u9ad8\u8d28\u91cf\u6b63\u786e\u5339\u914d\u70b9\u5bf9，\u91c7\u7528\u6700\u5c0f\u4e8c\u4e58\u6cd5\u7b49\u6570\u5b66\u624b\u6bb5，\u6784\u9020\u4e24\u5e45\u56fe\u50cf\u4e4b\u95f4\u7684\u51e0\u4f55\u53d8\u6362\u77e9\u9635（\u5982\u5355\u5e94\u6027\u77e9\u9635 H \u6216\u4eff\u5c04\u53d8\u6362\u77e9\u9635）\u3002<\/p>\n

\u00a0– \u56fe\u50cf\u91cd\u6295\u5f71：\u501f\u52a9\u8ba1\u7b97\u51fa\u7684\u53d8\u6362\u77e9\u9635，\u5bf9\u5176\u4e2d\u4e00\u5e45\u56fe\u50cf\u8fdb\u884c\u7a7a\u95f4\u5750\u6807\u91cd\u6295\u5f71（Warping）\u4e0e\u50cf\u7d20\u63d2\u503c，\u8bbe\u7f6e\u5728\u540c\u4e00\u5750\u6807\u7cfb\u4e0b\u4e0e\u53e6\u4e00\u5e45\u56fe\u50cf\u5bf9\u9f50\u3002<\/p>\n

1. \u7279\u5f81\u65b9\u6cd5<\/h3>\n

1.1 \u57fa\u4e8e\u70b9\u7279\u5f81\u7684\u65b9\u6cd5<\/h4>\n

1.1\u00a0SIFT（Scale-Invariant Feature Transform）<\/h5>\n

\u5c3a\u5ea6\u4e0d\u53d8\u7279\u5f81\u53d8\u6362，\u6838\u5fc3\u601d\u60f3\u662f\u5728\u56fe\u50cf\u7684\u5c3a\u5ea6\u7a7a\u95f4\u4e2d\u68c0\u6d4b\u7a33\u5b9a\u7684\u5173\u952e\u70b9，\u5e76\u4e3a\u6bcf\u4e2a\u5173\u952e\u70b9\u751f\u6210\u72ec\u7279\u7684\u63cf\u8ff0\u7b26\u3002<\/p>\n

（1）\u4f18\u7f3a\u70b9<\/p>\n

\u4f18\u70b9：1.\u5c3a\u5ea6\u4e0d\u53d8\u6027，\u57fa\u4e8e Gaussian Scale Space（\u9ad8\u65af\u5c3a\u5ea6\u7a7a\u95f4）\u4e0e DoG（Difference of Gaussian）\u6781\u503c\u68c0\u6d4b\u30022.\u65cb\u8f6c\u4e0d\u53d8\u6027，\u901a\u8fc7\u4e3b\u65b9\u5411\u5206\u914d\u5b9e\u73b0\u63cf\u8ff0\u5b50\u65b9\u5411\u5f52\u4e00\u5316\u30023.\u5bf9\u5149\u7167\u53d8\u5316\u5177\u6709\u8f83\u5f3a\u9c81\u68d2\u6027，\u63cf\u8ff0\u5b50\u57fa\u4e8e\u5c40\u90e8\u68af\u5ea6\u65b9\u5411\u7edf\u8ba1，\u5e76\u8fdb\u884c\u5f52\u4e00\u5316\u5904\u7406\u30024.\u7279\u5f81\u533a\u5206\u6027\u5f3a，\u4f7f\u7528 128 \u7ef4\u68af\u5ea6\u65b9\u5411\u76f4\u65b9\u56fe\u63cf\u8ff0\u5c40\u90e8\u7ed3\u6784\u30025.\u652f\u6301\u4e9a\u50cf\u7d20\u7ea7\u5173\u952e\u70b9\u5b9a\u4f4d，\u4f7f\u7528 Taylor Expansion \u5bf9 DoG \u6781\u503c\u70b9\u8fdb\u884c\u7cbe\u7ec6\u5316\u62df\u5408\u30026.\u5bf9\u590d\u6742\u573a\u666f\u9c81\u68d2\u6027\u8f83\u5f3a，\u5c3a\u5ea6\u7a7a\u95f4\u3001\u65b9\u5411\u5f52\u4e00\u5316\u4e0e\u5c40\u90e8\u68af\u5ea6\u7edf\u8ba1\u5171\u540c\u63d0\u5347\u4e86\u6297\u566a\u58f0\u3001\u906e\u6321\u4e0e\u80cc\u666f\u5e72\u6270\u80fd\u529b\u3002<\/p>\n

\u7f3a\u70b9：1. \u8ba1\u7b97\u91cf\u8f83\u5927，\u9700\u8981\u6784\u5efa Gaussian Pyramid \/ DoG Pyramid \u5e76\u8fdb\u884c\u591a\u5c3a\u5ea6\u68af\u5ea6\u7edf\u8ba1\u30022. \u5185\u5b58\u5360\u7528\u8f83\u9ad8，\u63cf\u8ff0\u5b50\u901a\u5e38\u4e3a 128 \u7ef4\u6d6e\u70b9\u5411\u91cf\u30023. \u5339\u914d\u8ba1\u7b97\u590d\u6742\u5ea6\u8f83\u9ad8，\u901a\u5e38\u91c7\u7528\u6b27\u6c0f\u8ddd\u79bb（L2 distance）\u8fdb\u884c\u6d6e\u70b9\u63cf\u8ff0\u5b50\u5339\u914d\u30024. \u5b9e\u65f6\u6027\u6709\u9650，\u9ad8\u5206\u8fa8\u7387\u56fe\u50cf\u4e0e\u5927\u91cf\u5173\u952e\u70b9\u573a\u666f\u4e0b\u8ba1\u7b97\u5f00\u9500\u660e\u663e\u589e\u52a0\u30025. \u5bf9\u5f3a\u900f\u89c6\u7578\u53d8\u4e0e\u5927\u9762\u79ef\u52a8\u6001\u906e\u6321\u9c81\u68d2\u6027\u6709\u9650，\u672c\u8d28\u4ecd\u57fa\u4e8e\u5c40\u90e8\u8fd1\u4f3c\u4eff\u5c04\u4e0e\u9759\u6001\u573a\u666f\u5047\u8bbe\u3002<\/p>\n

\u9002\u7528\u573a\u666f：\u9ad8\u7cbe\u5ea6\u56fe\u50cf\u914d\u51c6\u3001\u4e09\u7ef4\u91cd\u5efa\u3001\u590d\u6742\u573a\u666f\u62fc\u63a5，\u9002\u5408\u5bf9\u7cbe\u5ea6\u8981\u6c42\u9ad8\u3001\u5bf9\u5b9e\u65f6\u6027\u4e0d\u654f\u611f\u7684\u4efb\u52a1\u3002<\/p>\n

（2）\u4e3b\u8981\u6b65\u9aa4<\/p>\n

1.\u5c3a\u5ea6\u7a7a\u95f4\u6781\u503c\u68c0\u6d4b：\u901a\u8fc7\u9ad8\u65af\u5dee\u5206（DoG）\u51fd\u6570\u5bfb\u627e\u5728\u4e0d\u540c\u5c3a\u5ea6\u4e0b\u7a33\u5b9a\u7684\u7279\u5f81\u70b9\u3002<\/p>\n

2.\u5173\u952e\u70b9\u5b9a\u4f4d：\u53bb\u9664\u4f4e\u5bf9\u6bd4\u5ea6\u70b9\u4e0e\u8fb9\u7f18\u54cd\u5e94，\u786e\u4fdd\u7279\u5f81\u7a33\u5b9a\u6027\u3002<\/p>\n

3.\u65b9\u5411\u5206\u914d：\u57fa\u4e8e\u68af\u5ea6\u65b9\u5411\u76f4\u65b9\u56fe，\u4e3a\u5173\u952e\u70b9\u8d4b\u4e88\u4e3b\u65b9\u5411，\u5b9e\u73b0\u65cb\u8f6c\u4e0d\u53d8\u6027\u3002<\/p>\n

4.\u7279\u5f81\u63cf\u8ff0：\u5229\u7528\u5c40\u90e8\u68af\u5ea6\u5206\u5e03\u751f\u6210 128 \u7ef4\u7279\u5f81\u5411\u91cf\u3002<\/p>\n

（3）\u5173\u952e\u70b9\u68c0\u6d4b<\/p>\n

1.\u5c3a\u5ea6\u7a7a\u95f4\u6781\u503c\u68c0\u6d4b<\/p>\n

\u00a0– \u56fe\u50cf\u91d1\u5b57\u5854，SIFT\u628a\u539f\u56fe\u4e0d\u65ad\u7f29\u5c0f\u5c3a\u5bf8，\u5f97\u5230\u4e0d\u540c\u5206\u8fa8\u7387\u7684\u526f\u672c，\u7ec4\u6210\u4e00\u4e2a \u201c\u91d1\u5b57\u5854\u201d\u3002<\/p>\n

\u00a0– \u9ad8\u65af\u6a21\u7cca\u5bf9\u91d1\u5b57\u5854\u7684\u6bcf\u4e00\u5c42\u6574\u56fe，\u7528\u4e0d\u540c\u7684\u9ad8\u65af\u6807\u51c6\u5dee \u03c3 \u505a\u6a21\u7cca，\u5f97\u5230\u4e00\u7ec4 \u201c\u5c3a\u5bf8\u76f8\u540c\u3001\u6a21\u7cca\u7a0b\u5ea6\u4e0d\u540c\u201d \u7684\u56fe\u50cf\u3002<\/p>\n

\u00a0– \u9ad8\u65af\u5dee\u5206（DoG）\u628a\u540c\u4e00\u5c42\u91cc\u3001\u76f8\u90bb\u7684\u4e24\u5f20\u9ad8\u65af\u6a21\u7cca\u56fe\u50cf\u76f8\u51cf，\u5f97\u5230 DoG \u56fe\u50cf，\u7a81\u51fa\u90a3\u4e9b \u201c\u5bf9\u6a21\u7cca\u53d8\u5316\u654f\u611f\u201d \u7684\u8fb9\u7f18\u548c\u89d2\u70b9，\u7136\u540e\u5728\u8fd9\u4e9b DoG \u56fe\u50cf\u91cc\u627e\u5c40\u90e8\u6781\u503c\u70b9\u3002<\/p>\n

\"\"<\/p>\n

2.\u5173\u952e\u70b9\u5b9a\u4f4d<\/p>\n

\u5728 DoG \u91d1\u5b57\u5854\u4e2d，\u6bcf\u4e00\u4e2a\u50cf\u7d20\u70b9\u8981\u4e0e\u5b83\u540c\u5c42\u5468\u56f4\u7684 8 \u4e2a\u90bb\u57df\u50cf\u7d20，\u4ee5\u53ca\u4e0a\u4e0b\u76f8\u90bb\u4e24\u5c42\u5bf9\u5e94\u4f4d\u7f6e\u7684\u00a02 * 9 = 18\u00a0\u4e2a\u50cf\u7d20，\u603b\u5171 26 \u4e2a\u50cf\u7d20\u8fdb\u884c\u5927\u5c0f\u6bd4\u8f83\u3002\u53ea\u6709\u5f53\u8be5\u70b9\u662f\u8fd9 27 \u4e2a\u70b9\u4e2d\u7684\u6700\u5927\u503c\u6216\u6700\u5c0f\u503c\u65f6，\u624d\u88ab\u521d\u6b65\u9009\u4e3a\u5019\u9009\u5173\u952e\u70b9\u3002\u672c\u8d28\u627e\u5230\u662f\u5c3a\u5ea6\u7a7a\u95f4\u7a33\u5b9a\u7684\u6781\u503c\u800c\u4e0d\u662f\u666e\u901a\u89d2\u70b9，\u56e0\u4e3a\u4e0d\u540c\u5927\u5c0f\u7684\u7269\u4f53\u5728\u4e0d\u540c\u03c3\u4e0b\u54cd\u5e94\u6700\u5927，\u627e\u5230\u7684\u7279\u5f81\u70b9\u90fd\u4f1a\u5e26\u6709\u6700\u4f73\u5c3a\u5ea6，\u540e\u7eed\u63cf\u8ff0\u5b50\u90fd\u5728\u5bf9\u5e94\u5c3a\u5ea6\u4e0b\u8ba1\u7b97，\u6240\u4ee5\u5c3a\u5ea6\u4e0d\u53d8\u3002<\/p>\n

\"\"<\/p>\n

3.\u65b9\u5411\u5206\u914d<\/p>\n

SIFT\u4f1a\u7edf\u8ba1\u5173\u952e\u70b9\u9886\u57df\u7684\u68af\u5ea6\u65b9\u5411\u76f4\u65b9\u56fe，\u4ee5\u5173\u952e\u70b9\u4e3a\u4e2d\u5fc3，\u53d6\u4e00\u4e2a 16\u00d716 \u7684\u90bb\u57df，\u5c06360\u00b0\u65b9\u5411\u5212\u5206\u4e3a36\u4e2abin（\u6bcf\u4e2abin 10\u00b0），\u90bb\u57df\u5185\u6bcf\u4e2a\u50cf\u7d20\u7684\u68af\u5ea6\u5e45\u503c\u4f1a\u6309\u65b9\u5411\u7d2f\u52a0\u5230\u5bf9\u5e94\u7684bin\u4e2d，\u76f4\u65b9\u56fe\u4e2d\u6700\u9ad8\u7684\u5cf0\u503c\u5c31\u662f\u8be5\u5173\u952e\u70b9\u7684\u4e3b\u65b9\u5411\u3002\u540e\u7eed\u63cf\u8ff0\u5b50\u8ba1\u7b97\u90fd\u4f1a\u5bf9\u9f50\u8fd9\u4e2a\u65b9\u5411，\u56e0\u6b64，\u5373\u4f7f\u56fe\u50cf\u65cb\u8f6c，\u63cf\u8ff0\u5b50\u4ecd\u4fdd\u6301\u4e00\u81f4\u3002<\/p>\n

\"\"<\/p>\n

SIFT \u5173\u952e\u70b9\u662f\u6591\u70b9 \/ \u8fb9\u7f18\u578b\u5173\u952e\u70b9，\u7528\u4e00\u4e2a\u5e26\u6709\u65b9\u5411\u7bad\u5934\u7684\u5706\u6765\u8868\u793a\u3002\u5b83\u5305\u542b\u4e09\u4e2a\u6838\u5fc3\u56fe\u5f62\u51e0\u4f55\u4fe1\u606f：1.\u5706\u5fc3\u8868\u793a\u7279\u5f81\u70b9\u4f4d\u7f6e\u30022.\u5706\u7684\u534a\u5f84\u4ee3\u8868\u8be5\u70b9\u7684\u5c3a\u5ea6（Scale）\u3002\u5706\u5708\u8d8a\u5927，\u8bf4\u660e\u8fd9\u4e2a\u7279\u5f81\u662f\u5728\u9ad8\u65af\u91d1\u5b57\u5854\u66f4\u9ad8\u5c42（\u66f4\u6a21\u7cca\u3001\u66f4\u5b8f\u89c2\u7684\u5c3a\u5ea6）\u88ab\u68c0\u6d4b\u51fa\u6765\u7684\u3002\u5728\u5927\u5706\u91cc\u7684\u7279\u5f81，\u5373\u4f7f\u56fe\u50cf\u88ab\u7f29\u5c0f，\u5b83\u4f9d\u7136\u80fd\u88ab\u627e\u5230\u30023.\u7bad\u5934\u7684\u65b9\u5411\u4ee3\u8868\u8be5\u7279\u5f81\u70b9\u7684\u4e3b\u65b9\u5411\u3002\u8fd9\u662f\u5c40\u90e8\u90bb\u57df\u5185\u68af\u5ea6\u80fd\u91cf\u6700\u5f3a\u7684\u65b9\u5411\u3002\u5f53\u56fe\u50cf\u6574\u4f53\u65cb\u8f6c\u65f6，\u8fd9\u4e2a\u7bad\u5934\u4e5f\u4f1a\u8ddf\u7740\u65cb\u8f6c\u76f8\u540c\u7684\u89d2\u5ea6\u3002<\/p>\n

\"\"<\/p>\n

（4）\u63cf\u8ff0\u5b50\u8ba1\u7b97<\/p>\n

SIFT\u63cf\u8ff0\u5b50\u672c\u8d28\u662f\u7edf\u8ba1\u5c40\u90e8\u68af\u5ea6\u7ed3\u6784：\u4e3b\u65b9\u5411\u786e\u5b9a\u540e，\u540e\u7eed\u751f\u6210\u63cf\u8ff0\u5b50\u65f6，\u4f1a\u5c06\u5750\u6807\u8f74\u65cb\u8f6c，\u4f7f\u5f97\u5173\u952e\u70b9\u7684\u4e3b\u65b9\u5411\u65cb\u8f6c\u81f3\u6b63\u4e0a\u65b9（0\u5ea6）\u3002\u751f\u6210 128 \u7ef4\u63cf\u8ff0\u5b50\u65f6，\u4f1a\u518d\u505a\u4e00\u6b21\u65b9\u5411\u76f4\u65b9\u56fe，\u628a 16\u00d716 \u7684\u90bb\u57df\u5206\u6210 4\u00d74 \u4e2a\u5b50\u533a\u57df（\u6bcf\u4e2a\u5b50\u533a\u57df\u5927\u5c0f\u4e3a 4 * 4 \u50cf\u7d20）\u3002\u5728\u6bcf\u4e2a\u5b50\u533a\u57df\u5185，\u7edf\u8ba1 8 \u4e2a\u65b9\u5411\u7684\u68af\u5ea6\u76f4\u65b9\u56fe（\u6bcf 45 \u5ea6\u4e00\u4e2a\u67f1），4\u00d74\u00d78 = 128 \u7ef4，\u5c06\u8fd916\u4e2a8\u7ef4\u76f4\u65b9\u56fe\u6309\u987a\u5e8f\u62fc\u63a5，\u5f62\u6210 128 \u7ef4\u7279\u5f81\u5411\u91cf\u3002<\/p>\n

\u5f52\u4e00\u5316\u5904\u7406：\u4e3a\u4e86\u6d88\u9664\u7ebf\u6027\u5149\u7167\u53d8\u5316（\u5982\u56fe\u50cf\u6574\u4f53\u53d8\u4eae\u6216\u53d8\u6697）\u7684\u5f71\u54cd，\u5bf9 128 \u7ef4\u5411\u91cf\u8fdb\u884c L_2 \u8303\u6570\u5f52\u4e00\u5316\u3002\u968f\u540e\u5c06\u5411\u91cf\u4e2d\u5927\u4e8e 0.2 \u7684\u503c\u622a\u65ad\u4e3a 0.2，\u5e76\u518d\u6b21\u8fdb\u884c\u5f52\u4e00\u5316，\u4ee5\u63d0\u9ad8\u5bf9\u975e\u7ebf\u6027\u5149\u7167\u53d8\u5316\u7684\u9c81\u68d2\u6027\u3002<\/p>\n

\"\"\"\"\"\"<\/p>\n

\u63cf\u8ff0\u5b50\u7684\u56fe\u5f62\u8868\u8fbe：8 \u65b9\u5411\u7279\u5f81\u7f57\u76d8\u3002\u5982\u4e0a\u56fe\u6240\u793a，\u5728\u6bcf\u4e00\u4e2a 4 * 4 \u7684\u5b50\u533a\u57df\u5185\u90e8，\u7b97\u6cd5\u5c06\u6240\u6709\u50cf\u7d20\u7684\u68af\u5ea6\u5f52\u7eb3\u5230 8 \u4e2a\u65b9\u5411\u4e0a\u3002\u5728\u89c6\u89c9\u56fe\u5f62\u4e0a，\u8fd9\u8868\u73b0\u4e3a\u4e00\u4e2a\u7531 8 \u6839\u7bad\u5934\u7ec4\u6210\u7684\u201c\u7f57\u76d8 \/ \u523a\u732c\u56fe\u201d：<\/p>\n

\u00a0– \u7bad\u5934\u7684\u6307\u5411：\u4ee3\u8868\u68af\u5ea6\u7684\u65b9\u5411（\u6bcf 45 \u5ea6\u4e00\u4e2a\u65b9\u5411，\u5171 8 \u4e2a\u65b9\u5411）\u3002<\/p>\n

\u00a0– \u7bad\u5934\u7684\u957f\u5ea6：\u4ee3\u8868\u8be5\u65b9\u5411\u4e0a\u6240\u6709\u50cf\u7d20\u68af\u5ea6\u5e45\u503c\u7684\u7d2f\u52a0\u548c（\u7ecf\u8fc7\u9ad8\u65af\u7a97\u53e3\u52a0\u6743）\u3002\u7bad\u5934\u8d8a\u957f，\u8bf4\u660e\u56fe\u50cf\u5728\u8fd9\u4e2a\u65b9\u5411\u4e0a\u7684\u8fb9\u7f18\/\u7eb9\u7406\u7279\u5f81\u8d8a\u660e\u663e\u3002<\/p>\n

\"\\\\mathbf{v}<\/p>\n

\u76f8\u5173\u6982\u5ff5：<\/p>\n

\"\"\"\"\"\"\"\"<\/p>\n

（5）\u76f8\u5173\u6982\u5ff5<\/p>\n

\u5c3a\u5ea6：\u770b\u4e1c\u897f\u7684\u8fdc\u8fd1\/\u5206\u8fa8\u7387\u5927\u5c0f\u3002<\/p>\n

\u5c3a\u5ea6\u4e0d\u53d8\u6027：\u4e0d\u7ba1\u7269\u4f53\u53d8\u5927\u8fd8\u662f\u53d8\u5c0f，\u79bb\u5f97\u8fd1\u8fd8\u662f\u79bb\u5f97\u8fdc，\u7279\u5f81\u90fd\u80fd\u88ab\u68c0\u6d4b\u3001\u5339\u914d\u3002<\/p>\n

\u5c3a\u5ea6\u7a7a\u95f4：\u8981\u5b9e\u73b0\u5c3a\u5ea6\u4e0d\u53d8\u6027，\u4e0d\u80fd\u53ea\u5728\u539f\u56fe\u4e0a\u627e\u7279\u5f81，\u5fc5\u987b\u628a\u56fe\u7247\u505a\u6210\u4e00\u5806\u7531\u5927\u5230\u5c0f，\u9010\u5c42\u6a21\u7cca\u7f29\u5c0f\u7684\u56fe，\u751f\u6210\u591a\u5c3a\u5bf8\u91d1\u5b57\u5854\u56fe\u50cf\u96c6\u5408，\u8fd9\u6574\u5957\u56fe\u5c31\u53eb\u5c3a\u5ea6\u7a7a\u95f4\u3002<\/p>\n

\u4e3a\u4ec0\u4e48\u5c3a\u5ea6\u4e0d\u53d8：\u6784\u5efa\u9ad8\u65af\u5c3a\u5ea6\u7a7a\u95f4+\u9ad8\u65af\u5dee\u5206\u91d1\u5b57\u5854DOG\u3002SIFT\u4e0d\u65ad\u505a\u7f29\u653e\u548c\u9ad8\u65af\u6a21\u7cca，\u6784\u9020\u591a\u5c3a\u5ea6\u56fe\u50cf\u91d1\u5b57\u5854，\u5728\u5c3a\u5ea6\u7a7a\u95f4\u4e2d\u6bcf\u4e00\u5c42\u5c3a\u5ea6\u90fd\u5355\u72ec\u627e\u6781\u503c\u70b9，\u4f7f\u5f97\u8fd9\u4e2a\u7279\u5f81\u5728\u67d0\u4e2a\u6700\u4f18\u5c3a\u5ea6\u4e0b\u54cd\u5e94\u6700\u5f3a，\u8fd9\u6837，\u4e0d\u7ba1\u7269\u4f53\u653e\u5927\u3001\u7f29\u5c0f\u3001\u79bb\u76f8\u673a\u8fdc\/\u8fd1，\u8be5\u5173\u952e\u70b9\u603b\u80fd\u88ab\u627e\u5230，\u4e0d\u53d7\u5c3a\u5ea6\u53d8\u5316\u7684\u5f71\u54cd\u3002<\/p>\n

\u4e3a\u4ec0\u4e48\u65cb\u8f6c\u4e0d\u53d8：SIFT\u7ef4\u6bcf\u4e2a\u5173\u952e\u70b9\u5206\u914d\u4e3b\u65b9\u5411，\u505a\u65b9\u5411\u5f52\u4e00\u5316\u3002\u5728\u5173\u952e\u70b9\u6240\u5728\u6700\u4f18\u5c3a\u5ea6\u5c42\u90bb\u57df\u8ba1\u7b97\u68af\u5ea6\u5e45\u503c\u548c\u68af\u5ea6\u65b9\u5411，\u505a\u68af\u5ea6\u65b9\u5411\u76f4\u65b9\u56fe，\u7edf\u8ba1\u90bb\u57df\u5185\u6240\u6709\u50cf\u7d20\u7684\u68af\u5ea6\u65b9\u5411，\u5cf0\u503c\u5c31\u662f\u5173\u952e\u70b9\u4e3b\u65b9\u5411，\u540e\u7eed\u751f\u6210\u63cf\u8ff0\u5b50\u65f6，\u5c06\u5c40\u90e8\u5750\u6807\u7cfb\u65cb\u8f6c\u5230\u4e3b\u65b9\u5411，\u6240\u4ee5\u5177\u5907\u65cb\u8f6c\u4e0d\u53d8\u3002<\/p>\n

\u4e3a\u4ec0\u4e48SIFT\u5fc5\u987b\u4f7f\u7528 Gaussian：\u56e0\u4e3aSIFT\u7684\u5c3a\u5ea6\u7a7a\u95f4\u7406\u8bba\u662f\u4e25\u683c\u5efa\u7acb\u5728\u9ad8\u65af\u5c3a\u5ea6\u7a7a\u95f4\u4e0a\u7684，Gaussian \u662f\u552f\u4e00\u6ee1\u8db3\u5c3a\u5ea6\u7a7a\u95f4\u7406\u8bba\u516c\u7406\u7684\u6838\u3002<\/p>\n

\u5377\u79ef\u6838：\u672c\u8d28\u4e0a\u662f\u4e00\u4e2a\u201c\u5c0f\u6a21\u677f\u201d，\u5377\u79ef\u6838\u4e2d\u7684\u503c\u5c31\u662f\u6743\u91cd，\u4f8b\u5982\u9ad8\u65af\u6ee4\u6ce2\u4e2d\u5fc3\u6743\u91cd\u5927，\u8bf4\u660e\u66f4\u76f8\u4fe1\u4e2d\u5fc3\u50cf\u7d20，\u4e0d\u540c\u7684\u5377\u79ef\u6838\u4ee3\u8868\u4e0d\u540c\u7684\u529f\u80fd\u3002\u4f8b\u5982：<\/p>\n

\"\"<\/p>\n

\"\"<\/p>\n

\u5377\u79ef：\u662f\u56fe\u50cf\u5904\u7406\u3001\u4fe1\u53f7\u5904\u7406\u3001CNN\u3001SLAM\u3001VO \u4e2d\u6700\u6838\u5fc3\u7684\u8fd0\u7b97\u4e4b\u4e00\u3002\u672c\u8d28\u4e0a\u662f\u7528\u4e00\u4e2a\u5c0f\u7a97\u53e3（\u5377\u79ef\u6838）\u5728\u6570\u636e\u4e0a\u6ed1\u52a8，\u5e76\u5728\u6bcf\u4e2a\u4f4d\u7f6e\u505a\u5c40\u90e8\u52a0\u6743\u6c42\u548c\u3002\u5728\u56fe\u50cf\u5904\u7406\u4e2d，\u5b83\u7684\u4f5c\u7528\u901a\u5e38\u5305\u62ec\u5e73\u6ed1\u3001\u9510\u5316\u3001\u8fb9\u7f18\u68c0\u6d4b\u3001\u7279\u5f81\u63d0\u53d6\u3001\u6a21\u677f\u5339\u914d\u3001CNN\u7279\u5f81\u5b66\u4e60\u3002<\/p>\n

\"\"<\/p>\n

\u5bf9\u5e94\u5143\u7d20\u76f8\u4e58：1\u00d71+2\u00d70+3\u00d71+4\u00d70+5\u00d71+6\u00d70+7\u00d71+8\u00d70+9\u00d71\u3002\u7ed3\u679c：1+3+5+7+9=25，\u8f93\u51fa\u50cf\u7d20\u503c 25\u3002<\/p>\n

\u00a0– \u9ad8\u65af\u5377\u79ef：\u5e73\u6ed1\u964d\u566a\u3001\u6a21\u7cca\u56fe\u50cf，\u53bb\u6389\u6912\u76d0\u566a\u58f0（\u7eaf\u767d\u4eae\u70b9\u3001\u7eaf\u9ed1\u9ed1\u70b9），\u9884\u5904\u7406\u7528\u3002<\/p>\n

\u00a0– Sobel \u5377\u79ef：\u63d0\u53d6\u8fb9\u7f18\u3001\u7b97\u68af\u5ea6，\u627e\u660e\u6697\u53d8\u5316\u8fb9\u754c\u3002<\/p>\n

\u00a0– \u5747\u503c\u5377\u79ef：\u7b80\u5355\u6a21\u7cca，\u5e73\u5747\u90bb\u57df\u50cf\u7d20\u3002<\/p>\n

\u00a0– \u62c9\u666e\u62c9\u65af\u5377\u79ef：\u8fb9\u7f18\u68c0\u6d4b + \u9510\u5316，\u7a81\u51fa\u8f6e\u5ed3\u3002<\/p>\n

\u00a0– \u81ea\u5b9a\u4e49\u6838：\u6d6e\u96d5\u3001\u6d6e\u96d5\u3001\u8f6e\u5ed3\u3001\u949d\u5316\u3001\u63d0\u4eae\u3002<\/p>\n

\u9ad8\u65af\u5377\u79ef\u548c\u9ad8\u65af\u6a21\u7cca：\u672c\u8d28\u4e0a\u662f\u540c\u4e00\u4ef6\u4e8b，\u9ad8\u65af\u5377\u79ef\u5f3a\u8c03\u8ba1\u7b97\u8fc7\u7a0b，\u9ad8\u65af\u6a21\u7cca\u5f3a\u8c03\u6700\u7ec8\u6548\u679c，\u7528\u9ad8\u65af\u6838\u505a\u5377\u79ef\u5f97\u5230\u9ad8\u65af\u6a21\u7cca\u7684\u6548\u679c\u3002\u5377\u79ef\u4e4b\u540e：\u56fe\u50cf\u4f1a\u53d8\u5e73\u6ed1\u3001\u8fb9\u7f18\u4f1a\u53d8\u67d4\u548c\u3001\u9ad8\u9891\u4f1a\u88ab\u524a\u5f31，\u56e0\u6b64\u89c6\u89c9\u6548\u679c\u5c31\u662f\u201c\u6a21\u7cca\u201d\u3002<\/p>\n

\"\"<\/p>\n

\u6b27\u5f0f\u8ddd\u79bb：\u7531\u4e8e\u63cf\u8ff0\u5b50\u662f 128 \u7ef4\u7684\u6d6e\u70b9\u6570\u5411\u91cf，\u4e14\u5df2\u7ecf\u8fc7\u5f52\u4e00\u5316（\u6a21\u957f\u4e3a 1），\u8bc4\u4f30\u4e24\u4e2a\u63cf\u8ff0\u5b50\u662f\u5426\u76f8\u4f3c，\u6700\u76f4\u63a5\u7684\u65b9\u6cd5\u5c31\u662f\u8ba1\u7b97\u5b83\u4eec\u5728\u00a0128 \u7ef4\u7a7a\u95f4\u4e2d\u7684\u6b27\u6c0f\u8ddd\u79bb（Euclidean Distance）\u3002<\/p>\n

\"\"<\/p>\n

\u8ddd\u79bb\u8d8a\u5c0f：\u610f\u5473\u7740\u8fd9\u4e24\u4e2a 128 \u7ef4\u7684\u201c\u7279\u5f81\u7f57\u76d8\u201d\u5f62\u72b6\u8d8a\u63a5\u8fd1，\u5c40\u90e8\u7eb9\u7406\u8d8a\u76f8\u4f3c\u3002<\/p>\n

\u8ba1\u7b97\u4f7f\u6bcf\u7ef4\u9700\u8981\u505a\u51cf\u6cd5\u3001\u4e58\u6cd5\u3001\u7d2f\u52a0\u3002<\/p>\n

\u8ba1\u7b97\u5b9e\u73b0：\u5728\u5b9e\u9645\u5de5\u7a0b\u4e2d，\u56fe A \u5f80\u5f80\u6709\u6570\u5343\u4e2a\u70b9，\u56fe B \u4e5f\u6709\u6570\u5343\u4e2a\u70b9\u3002\u5982\u679c\u7528\u66b4\u529b\u5339\u914d（Brute-Force），\u9700\u8981\u8ba1\u7b97\u51e0\u767e\u4e07\u6b21 128 \u7ef4\u7684\u8ddd\u79bb，\u901f\u5ea6\u8f83\u6162\u3002\u56e0\u6b64\u901a\u5e38\u4f1a\u91c7\u7528 k-d \u6811（k-dimensional tree） \u6216 FLANN \u7b97\u6cd5，\u5229\u7528\u7a7a\u95f4\u5212\u5206\u7c7b\u7684\u6570\u636e\u7ed3\u6784\u6765\u6781\u5927\u5730\u52a0\u901f\u8fd9\u4e2a\u5bfb\u627e\u8fc7\u7a0b\u3002<\/p>\n

SIFT \u6162\u7684\u539f\u56e0：1. Gaussian Scale Space \u4e2d\u5927\u91cf\u7684\u9ad8\u65af\u5377\u79ef\u7684\u8ba1\u7b97\u30022.DoG \u6781\u503c\u68c0\u6d4b，\u9700\u8981\u505a\u591a\u5c3a\u5ea6\u5377\u79ef\u30023.128\u7ef4\u63cf\u8ff0\u5b50\u8ba1\u7b97\u91cf\u5927\u3002<\/p>\n

（6）\u5176\u5b83<\/p>\n

\u521b\u5efaSIFT\u7279\u5f81\u68c0\u6d4b\u5668\u4e0e\u63cf\u8ff0\u5b50\u63d0\u53d6\u5668\u3002
\nPtr<SIFT> cv::SIFT::create(
\n int nfeatures = 0, \/\/ \u4fdd\u7559\u6700\u5927\u5173\u952e\u70b9\u6570\u76ee，0\u8868\u793a\u4e0d\u9650\u5236
\n int nOctaveLayers = 3, \/\/ \u5c3a\u5ea6\u7a7a\u95f4\u6bcf\u7ec4\u5c42\u6570
\n double contrastThreshold = 0.04, \/\/ \u5bf9\u6bd4\u5ea6\u9608\u503c，\u8fc7\u6ee4\u4f4e\u5bf9\u6bd4\u5ea6\u5f31\u7279\u5f81
\n double edgeThreshold = 10, \/\/ \u8fb9\u7f18\u9608\u503c，\u5254\u9664\u8fb9\u7f18\u4e0d\u7a33\u5b9a\u5173\u952e\u70b9
\n double sigma = 1.6 \/\/ \u521d\u59cb\u9ad8\u65af\u5377\u79ef\u6838sigma，\u6784\u5efa\u5c3a\u5ea6\u7a7a\u95f4
\n);
\n\u56fe\u50cf\u91d1\u5b57\u5854\u68c0\u6784\u5efa\u3001\u5173\u952e\u70b9\u68c0\u6d4b\u3001\u65b9\u5411\u5206\u914d\u3001\u63cf\u8ff0\u5b50\u8ba1\u7b97\u7b49\u5173\u952e\u6b65\u9aa4\u90fd\u5c01\u88c5\u5728\u51fd\u6570 detectAndCompute \u4e2d<\/p>\n

1.2\u00a0SURF (Speeded Up Robust Features)<\/h5>\n

\u5feb\u901f\u9c81\u68d2\u6027\u7279\u5f81，SIFT \u7684\u52a0\u901f\u7248，\u5b83\u4f7f\u7528\u79ef\u5206\u56fe\u548c\u65b9\u6846\u6ee4\u6ce2\u8fd1\u4f3c Gaussian \u4e8c\u9636\u5bfc\u6570，\u5e76\u57fa\u4e8e Hessian \u77e9\u9635\u8fdb\u884c\u5173\u952e\u70b9\u68c0\u6d4b，\u5c06\u7b97\u6cd5\u901f\u5ea6\u63d0\u5347\u4e86 3 \u5230 5 \u500d，\u5728\u5e38\u89c4\u573a\u666f\u4e0b，SURF \u7684\u5339\u914d\u51c6\u786e\u7387\u4e0e\u91cd\u590d\u7387\u6bd4 SIFT \u4f4e\u7ea6 3%~4%；\u5728\u6781\u7aef\u5149\u7167（\u00b1100 \u4eae\u5ea6\u504f\u79fb）\u4e0e\u5f3a\u6a21\u7cca（\u03c3>3）\u573a\u666f\u4e0b，\u6027\u80fd\u5dee\u8ddd\u6269\u5927\u81f3 7%~8%\u3002\u540c\u6837\u662f\u6d6e\u70b9\u578b\u63cf\u8ff0\u5b50\u3002<\/p>\n

SURF \u672c\u8d28\u4e0a\u662f\u4e00\u79cd\u57fa\u4e8e Hessian determinant \u7684 blob detector\u3002\u5f53\u5c40\u90e8\u533a\u57df\u5728\u591a\u4e2a\u65b9\u5411\u4e0a\u90fd\u660e\u663e\u4e0d\u540c\u4e8e\u5468\u56f4\u533a\u57df，Hessian \u884c\u5217\u5f0f\u4f1a\u53d6\u5f97\u8f83\u5927\u503c，\u56e0\u6b64\u80fd\u591f\u6709\u6548\u68c0\u6d4b blob-like \u7ed3\u6784\u3002<\/p>\n

（1）\u4f18\u7f3a\u70b9<\/p>\n

\u4f18\u70b9：1.\u901f\u5ea6\u5feb\u30022.\u5177\u6709\u5c3a\u5ea6\u4e0d\u53d8\u6027，\u4f7f\u7528\u591a\u5c3a\u5ea6\u9ed1\u585e\u77e9\u9635\u68c0\u6d4b\u6781\u503c\u70b9，\u4e0d\u65ad\u653e\u5927\u65b9\u6846\u6ee4\u6ce2\u5c3a\u5ea6\u6784\u5efa\u5c3a\u5ea6\u7a7a\u95f4\u30023.\u65cb\u8f6c\u4e0d\u53d8\u6027，\u4f1a\u5148\u7edf\u8ba1\u5173\u952e\u70b9\u4e3b\u65b9\u5411，\u518d\u5c06\u63cf\u8ff0\u5b50\u5750\u6807\u7cfb\u65cb\u8f6c\u5bf9\u9f50\u5230\u8be5\u65b9\u5411\u30024.\u5bf9\u5149\u7167\u6709\u4e00\u5b9a\u9c81\u68d2\u6027，SURF\u63cf\u8ff0\u5b50\u672c\u8d28\u4e0a\u7edf\u8ba1\u7684\u662f\u5c40\u90e8\u7070\u5ea6\u53d8\u5316，\u5e76\u4e14\u6700\u7ec8L2\u5f52\u4e00\u5316\u4e5f\u8fdb\u4e00\u6b65\u51cf\u5f31\u4e86\u4eae\u5ea6\u53d8\u5316\u5f71\u54cd\u30025.\u5bf9 Blob-like \u7ed3\u6784\u68c0\u6d4b\u80fd\u529b\u8f83\u5f3a，SURF \u57fa\u4e8e Hessian Matrix \u884c\u5217\u5f0f\u8fdb\u884c\u7279\u5f81\u68c0\u6d4b\u30025.\u5339\u914d\u6548\u7387\u9ad8，\u9664\u6b27\u5f0f\u8ddd\u79bb\u4e0e Ratio Test \u5916，\u8fd8\u5229\u7528 Laplacian Sign（\u62c9\u666e\u62c9\u65af\u7b26\u53f7）\u5bf9\u7279\u5f81\u70b9\u8fdb\u884c\u9884\u7b5b\u9009\u3002<\/p>\n

\u7f3a\u70b9：1.\u5bf9\u5f3a\u89c6\u89d2\u53d8\u5316（Affine \/ Perspective）\u9c81\u68d2\u6027\u6709\u9650\u30022.\u5bf9\u5149\u7167\u5267\u70c8\u53d8\u5316\u4e0e\u975e\u7ebf\u6027\u66dd\u5149\u53d8\u5316\u4ecd\u654f\u611f\u30023.\u5bf9\u52a8\u6001\u6a21\u7cca\u4e0e\u4f4e\u7eb9\u7406\u533a\u57df\u8868\u73b0\u4e00\u822c\u3002<\/p>\n

（2）\u76f8\u5173\u6982\u5ff5<\/p>\n

\u4e09\u7c7b\u4e8c\u7ef4\u66f2\u7387\u7ed3\u6784\u7684\u5bfc\u6570\u7279\u5f81：<\/p>\n

1.\u8fb9\u7f18：\u4e00\u9636\u68af\u5ea6\u5f3a，\u4e00\u4e2a\u65b9\u5411\u53d8\u5316\u5267\u70c8，\u53e6\u4e00\u65b9\u5411\u51e0\u4e4e\u4e0d\u53d8\u3002<\/p>\n

2.\u89d2\u70b9：\u4e24\u4e2a\u65b9\u5411\u68af\u5ea6\u90fd\u5927，\u4f46\u66f2\u7387\u4e0d\u4e00\u81f4\u3002<\/p>\n

3.\u6591\u70b9 (\u4eae\u6591 \/ \u6697\u6591 \/ \u5706\u5f62\u5757)：x\u3001y \u4e24\u4e2a\u65b9\u5411\u7070\u5ea6\u53d8\u5316\u8d8b\u52bf\u3001\u5f2f\u66f2\u7a0b\u5ea6\u9ad8\u5ea6\u4e00\u81f4\u3002<\/p>\n

Box Filter（\u65b9\u6846\u6ee4\u6ce2\u5668）：\u5747\u503c\u6ee4\u6ce2，\u662f\u4e00\u79cd\u6700\u7b80\u5355\u7684\u7ebf\u6027\u5e73\u6ed1\u6ee4\u6ce2\u5668\u3002\u5047\u8bbe\u4f60\u53d6\u56fe\u50cf\u4e2d\u67d0\u4e2a\u50cf\u7d20，\u7136\u540e\u770b\u5b83\u5468\u56f4\u4e00\u4e2a\u5c0f\u7a97\u53e3（\u4f8b\u5982 3\u00d73），\u628a\u7a97\u53e3\u91cc\u7684\u6240\u6709\u50cf\u7d20\u5168\u90e8\u52a0\u8d77\u6765\u3001\u6c42\u5e73\u5747，\u6700\u540e\u7528\u8fd9\u4e2a\u5e73\u5747\u503c\u66ff\u6362\u4e2d\u5fc3\u50cf\u7d20，\u56e0\u6b64\u4f1a\u8ba9\u56fe\u50cf\u6574\u4f53\u53d8\u5f97\u66f4\u52a0\u5e73\u6ed1，\u8fd9\u5c31\u662f Box Filter\u3002\u4ece\u6570\u5b66\u89d2\u5ea6\u770b，Box Filter \u672c\u8d28\u4e0a\u662f\u4e00\u79cd\u5377\u79ef（Convolution）\u64cd\u4f5c：<\/p>\n

\"\"<\/p>\n

\"\"<\/p>\n

Box Filter \u4f1a\u628a\u5c40\u90e8\u533a\u57df\u201c\u5e73\u5747\u5316\u201d，\u4ece\u800c\u524a\u5f31\u50cf\u7d20\u4e4b\u95f4\u7684\u5267\u70c8\u53d8\u5316\u3002\u4ece\u56fe\u50cf\u5904\u7406\u89d2\u5ea6\u6765\u8bf4，Box Filter \u672c\u8d28\u4e0a\u5c5e\u4e8e\u4e00\u79cd\u4f4e\u901a\u6ee4\u6ce2\u5668（Low-pass Filter）\u3002\u56e0\u4e3a\u56fe\u50cf\u4e2d\u7684\u8fb9\u7f18\u3001\u7eb9\u7406\u3001\u566a\u58f0\u901a\u5e38\u5bf9\u5e94\u9ad8\u9891\u4fe1\u606f，\u800c\u5927\u9762\u79ef\u5e73\u6ed1\u533a\u57df\u5bf9\u5e94\u4f4e\u9891\u4fe1\u606f，\u6240\u4ee5 Box Filter \u4f1a\u6291\u5236\u9ad8\u9891\u3001\u4fdd\u7559\u4f4e\u9891\u3002\u56e0\u6b64\u5b83\u80fd\u591f\u8d77\u5230\u4e00\u5b9a\u7684\u53bb\u566a\u548c\u5e73\u6ed1\u4f5c\u7528，\u4f46\u540c\u65f6\u4e5f\u4f1a\u8ba9\u8fb9\u7f18\u53d8\u6a21\u7cca\u3002\u548c\u9ad8\u65af\u6ee4\u6ce2（Gaussian Filter）\u76f8\u6bd4，Box Filter \u6700\u5927\u7684\u7279\u70b9\u662f\u201c\u6240\u6709\u50cf\u7d20\u6743\u91cd\u5b8c\u5168\u4e00\u6837\u201d\u3002\u4f8b\u5982，\u5728 3\u00d73 Box Filter \u4e2d，\u6bcf\u4e2a\u50cf\u7d20\u6743\u91cd\u90fd\u662f 1\/9\u3002\u800c\u9ad8\u65af\u6ee4\u6ce2\u5219\u4f1a\u8ba9\u4e2d\u5fc3\u50cf\u7d20\u6743\u91cd\u66f4\u5927\u3001\u8fb9\u7f18\u50cf\u7d20\u6743\u91cd\u66f4\u5c0f，\u56e0\u6b64\u9ad8\u65af\u6ee4\u6ce2\u901a\u5e38\u4f1a\u5f97\u5230\u66f4\u81ea\u7136\u7684\u5e73\u6ed1\u6548\u679c\u3002<\/p>\n

SURF \u91cc\u7684 Box Filter：\u662f\u5dee\u5206\u6ee4\u6ce2\u5668，\u7528\u6765\u68c0\u6d4b\u7070\u5ea6\u53d8\u5316，\u672c\u8d28\u662f\u533a\u57df\u4e4b\u95f4\u505a\u5dee，\u4f8b\u5982 Dxx\u200b= \u5de6\u533a\u57df\u548c\u22122\u00d7\u4e2d\u533a\u57df\u548c+\u53f3\u533a\u57df\u548c\u3002\u4e0b\u56fe\u5206\u522b\u662f Dxx\u3001Dyy\u3001Dxy \u6ee4\u6ce2\u5668\u7684\u793a\u610f\u7ed3\u6784：<\/p>\n

\"\"<\/p>\n

\"\"\"\"<\/p>\n

\u975e\u6781\u5927\u503c\u6291\u5236（Non-Maximum Suppression，NMS）：\u53ea\u4fdd\u7559\u5c40\u90e8\u6700\u5927\u503c，\u5176\u4f59\u5168\u90e8\u5220\u6389，\u76ee\u7684\u662f\u907f\u514d\u4e00\u4e2a\u533a\u57df\u68c0\u6d4b\u51fa\u4e00\u5927\u7247\u91cd\u590d\u70b9\u3002<\/p>\n

\u4e09\u7ef4\u4e8c\u9636\u6cf0\u52d2\u5c55\u5f00：NMS\u627e\u5230\u7684\u6781\u503c\u70b9\u53ea\u662f\u79bb\u6563\u50cf\u7d20\u683c\u70b9(x=20,y=15,s=4)，\u4f46\u771f\u5b9e\u6781\u503c\u53ef\u80fd\u5176\u5b9e\u5728(20.37,15.62,4.21)，\u4e09\u7ef4\u4e8c\u9636\u6cf0\u52d2\u5c55\u5f00\u662f\u5728\u8fd9\u4e2a\u683c\u5b50\u9644\u8fd1\u62df\u5408\u4e00\u4e2a\u8fde\u7eed\u66f2\u9762，\u7136\u540e\u8ba1\u7b97\u771f\u6b63\u5c71\u5cf0\u9876\u70b9\u3002<\/p>\n

\u5c3a\u5ea6\u5f52\u4e00\u5316：\u4ee5\u7279\u5f81\u70b9\u81ea\u5df1\u7684\u5c3a\u5ea6\u4e3a\u57fa\u51c6，\u91cd\u65b0\u7f29\u653e\u90bb\u57df\u8303\u56f4\u30021.\u5148\u786e\u5b9a\u7279\u5f81\u70b9\u81ea\u8eab\u5c3a\u5ea6 \u03c3 \u30022.\u4ee5\u7279\u5f81\u70b9\u4e3a\u4e2d\u5fc3，\u6309\u81ea\u8eab\u5c3a\u5ea6\u5212\u5b9a\u90bb\u57df\u30023.\u628a\u4e0d\u540c\u5c3a\u5ea6\u7684\u90bb\u57df\u533a\u57df，\u7edf\u4e00\u6620\u5c04\u5230\u56fa\u5b9a\u6807\u51c6\u5c3a\u5bf8\u30024.\u518d\u7edf\u8ba1\u68af\u5ea6 \/ \u6784\u5efa\u7279\u5f81\u5411\u91cf，\u6700\u7ec8\u8f93\u51fa\u7684\u63cf\u8ff0\u5b50\u4e0d\u53d7\u539f\u59cb\u76ee\u6807\u5927\u5c0f\u5f71\u54cd\u3002<\/p>\n

L2 \u5f52\u4e00\u5316：\u4e0d\u540c\u56fe\u50cf\u6574\u4f53\u4eae\u5ea6\u53ef\u80fd\u4e0d\u540c，\u4f46\u662f\u672c\u8d28\u7ed3\u6784\u76f8\u540c\u3002\u7ecf\u8fc7\u4e0b\u9762\u7684\u8ba1\u7b97，\u6574\u4e2a\u5411\u91cf\u957f\u5ea6\u53d8\u6210\u4e86 1，\u5047\u8bbe\u6574\u4f53\u4eae\u5ea6\u6269\u592710\u500d，\u63cf\u8ff0\u5b50\u662f\u539f\u6765\u768410\u88ab，L2 norm \u4e5f\u6269\u592710\u500d，\u5f52\u4e00\u5316\u540e\u63cf\u8ff0\u5b50\u76f8\u540c\u3002<\/p>\n<\/p>\n

\"\"<\/p>\n

\"\"\"\"<\/p>\n<\/p>\n

Haar Wavelet Response（\u5c0f\u6ce2\u54cd\u5e94）：\u7528 2\u00d72 \u65b9\u6846\u6ee4\u6ce2，\u7b97\u6c34\u5e73\u5dee\u5206 dx\u3001\u5782\u76f4\u5dee\u5206 dy\u3002<\/p>\n

\u6c34\u5e73 Haar \u54cd\u5e94 dx（\u5de6\u53f3\u5dee）：dx = \u53f3\u534a\u533a\u57df\u7070\u5ea6\u548c \u2212 \u5de6\u534a\u533a\u57df\u7070\u5ea6\u548c<\/p>\n

[-1 +1]<\/p>\n

[-1 +1]<\/p>\n

\u5782\u76f4 Haar \u54cd\u5e94 dy（\u4e0a\u4e0b\u5dee）：dy = \u4e0b\u534a\u533a\u57df\u7070\u5ea6\u548c \u2212 \u4e0a\u534a\u533a\u57df\u7070\u5ea6\u548c<\/p>\n

[-1 -1]<\/p>\n

[+1 +1]<\/p>\n

（3）\u5173\u952e\u70b9\u68c0\u6d4b\u539f\u7406<\/p>\n

1.\u9ed1\u585e\u77e9\u9635：SURF \u4e0d\u50cf SIFT \u90a3\u6837\u901a\u8fc7 Gaussian \u56fe\u50cf\u5dee\u5206（DoG）\u68c0\u6d4b\u5c3a\u5ea6\u7a7a\u95f4\u6781\u503c，\u800c\u662f\u76f4\u63a5\u57fa\u4e8e Hessian Matrix \u884c\u5217\u5f0f\u8fdb\u884c\u591a\u5c3a\u5ea6\u7279\u5f81\u68c0\u6d4b\u3002\u5bf9\u4e8e\u56fe\u50cf\u4e2d\u7684\u70b9 X=(x,y)，\u5728\u5c3a\u5ea6 \u03c3 \u4e0b\u7684 Hessian \u77e9\u9635 H(X, \u03c3) \u5b9a\u4e49\u4e3a：\"\"<\/p>\n

\"\"<\/p>\n

\u5e73\u5766\u533a\u57df，\u7070\u5ea6\u51e0\u4e4e\u4e0d\u53d8，\u90a3\u4e48Ixx\u200b\u22480\u3001Iyy\u200b\u22480，det(H)\u22480，\u4e0d\u4f1a\u68c0\u6d4b\u4e3a\u7279\u5f81\u70b9；\u8fb9\u7f18\u533a\u57df，\u4f8b\u5982\u53ea\u6709\u6c34\u5e73\u65b9\u5411\u53d8\u5316，\u90a3\u4e48\u4e00\u4e2a\u65b9\u5411\u5bfc\u6570\u5927，\u53e6\u4e00\u4e2a\u65b9\u5411\u5c0f，\u56e0\u6b64 Hessian \u884c\u5217\u5f0f\u8f83\u5c0f，\u4e0d\u5bb9\u6613\u5f62\u6210\u7a33\u5b9a blob \u54cd\u5e94；\u6591\u70b9\/\u89d2\u70b9，\u591a\u4e2a\u65b9\u5411\u53d8\u5316\u90fd\u5927，\u56e0\u6b64 det(H) \u5f88\u5927\u3002<\/p>\n

2.\u65b9\u6846\u6ee4\u6ce2\u5668（Box Filter）\u4e0e\u79ef\u5206\u56fe：SIFT \u5728\u8ba1\u7b97\u9ad8\u65af\u5377\u79ef\u65f6，\u968f\u7740\u5c3a\u5ea6 \u03c3 \u589e\u5927，\u9ad8\u65af\u6838\u53d8\u5927，\u8ba1\u7b97\u91cf\u968f\u6838\u5c3a\u5bf8\u5e73\u65b9\u589e\u957f\u3002SURF \u505a\u4e86\u4e00\u4e2a\u7b80\u5316：\u4f7f\u7528\u77e9\u5f62\u5757\u7ec4\u6210\u7684 Box Filter \u53bb\u8fd1\u4f3c Gaussian \u4e8c\u9636\u5bfc\u6570\u6838\u7684\u54cd\u5e94\u5f62\u72b6\u3002<\/p>\n

\u00a0– \u79ef\u5206\u56fe（Integral Image）\u52a0\u901f：Box Filter \u7531\u82e5\u5e72\u77e9\u5f62\u533a\u57df\u7ec4\u6210，\u4e14\u6bcf\u4e2a\u77e9\u5f62\u5185\u90e8\u6743\u91cd\u6052\u5b9a\u3002，\u79ef\u5206\u56fe\u4e2d\u7684\u67d0\u70b9\u8868\u793a\u4ece\u5de6\u4e0a\u89d2\u5230(x,y)\u7684\u6240\u6709\u50cf\u7d20\u548c，\u8ba1\u7b97\u4e00\u4e2a\u533a\u57df\u7684\u50cf\u7d20\u548c\u90fd\u53ea\u9700\u8981\u8fdb\u884c 4 \u6b21\u5185\u5b58\u5bfb\u5740\u548c 3 \u6b21\u52a0\u51cf\u6cd5\u3002\u8ba1\u7b97\u8017\u65f6\u53d8\u6210\u4e86 O(1)\u3002<\/p>\n

\u00a0– \u72ec\u7279\u7684\u91d1\u5b57\u5854\u6784\u5efa：SIFT \u662f\u901a\u8fc7\u4e0d\u65ad\u7f29\u5c0f\u56fe\u50cf（\u964d\u91c7\u6837）\u6765\u6784\u5efa\u91d1\u5b57\u5854；\u800c SURF \u7684\u56fe\u50cf\u5c3a\u5bf8\u4fdd\u6301\u4e0d\u53d8，\u800c\u662f\u76f4\u63a5\u6210\u500d\u6570\u653e\u5927\u65b9\u6846\u6ee4\u6ce2\u5668\u7684\u5c3a\u5bf8\u3002\u7531\u4e8e O(1) \u7279\u6027\u7684\u5b58\u5728，\u7406\u8bba\u590d\u6742\u5ea6\u4e0e\u6ee4\u6ce2\u5668\u5c3a\u5bf8\u65e0\u5173\u3002<\/p>\n

3.\u6781\u503c\u70b9\u521d\u9009\u4e0e\u4e9a\u50cf\u7d20\u7cbe\u786e\u5b9a\u4f4d：\u4e0e SIFT \u7c7b\u4f3c，SURF \u5bf9\u9ed1\u585e\u77e9\u9635\u53d6\u5f97\u7684\u5c40\u90e8\u6781\u503c\u5728 3*3*3 \u7684\u4e09\u7ef4\u7acb\u65b9\u4f53\u90bb\u57df（\u5f53\u524d\u70b9\u53ca\u524d\u540e\u4e24\u4e2a\u65b9\u6846\u6ee4\u6ce2\u5668\u5c3a\u5bf8\u5c3a\u5ea6\u5185）\u8fdb\u884c 26 \u4e2a\u70b9\u7684\u975e\u6781\u5927\u503c\u6291\u5236，\u9009\u51fa\u5019\u9009\u70b9，\u518d\u901a\u8fc7\u4e09\u7ef4\u4e8c\u9636\u6cf0\u52d2\u5c55\u5f00\u8fdb\u884c\u4e9a\u50cf\u7d20\u7ea7\u522b\u7684\u5750\u6807\u548c\u5c3a\u5ea6\u7cbe\u786e\u5b9a\u4f4d\u3002<\/p>\n

\u4e3a\u4ec0\u4e48\u8fd9\u79cd\u8fd1\u4f3c\u4ecd\u7136\u6709\u6548：SURF\u5e76\u4e0d\u9700\u8981\u7cbe\u786e\u5bfc\u6570\u503c，\u5b83\u771f\u6b63\u5173\u5fc3\u7684\u662f\u6781\u503c\u4f4d\u7f6e（\u54ea\u91cc\u54cd\u5e94\u6700\u5927\u3001\u54ea\u91cc\u662f\u6591\u70b9\u3001\u54ea\u91cc\u662f\u7a33\u5b9a\u7ed3\u6784），\u53ea\u8981\u5177\u6709\u7c7b\u4f3c\u7684\u54cd\u5e94\u8d8b\u52bf，\u90a3\u4e48\u68c0\u6d4b\u7ed3\u679c\u5c31\u5dee\u4e0d\u591a\u3002SURF\u771f\u6b63\u5389\u5bb3\u7684\u5730\u65b9\u662f\u8fd9\u4e2a\u8fd1\u4f3c\u8ba9\u79ef\u5206\u56fe\u6210\u4e3a\u53ef\u80fd\u3002<\/p>\n

\u4e3a\u4ec0\u4e48\u9ad8\u65af\u4e8c\u9636\u5bfc\u6570\u6838\u4e0d\u80fd\u4f7f\u7528\u79ef\u5206\u56fe：\u56e0\u4e3a\u9ad8\u65af\u4e8c\u9636\u5bfc\u6570\u6838：0.1 0.3 -0.8 -0.8 0.3 0.1（\u66f2\u7387\u53d8\u5316），\u662f\u7c7b\u4f3c\u8fd9\u79cd\u8fde\u7eed\u7684\u53d8\u5316，\u6bcf\u4e2a\u4f4d\u7f6e\u7684\u6743\u91cd\u4e0d\u4e00\u6837\u3002<\/p>\n

\"\"<\/p>\n

\u5982\u4f55\u5b9e\u73b0\u5c3a\u5ea6\u4e0d\u53d8：\u4e0d\u9891\u7e41\u964d\u91c7\u6837，\u800c\u662f\u589e\u5927Box FiLter\u5c3a\u5bf8，\u56e0\u4e3a\u79ef\u5206\u56fe\u4e0b\u8ba1\u7b97\u77e9\u5f62\u5377\u79ef\u590d\u6742\u5ea6\u4e3aO(1)\u3002<\/p>\n

（4）\u63cf\u8ff0\u5b50\u8ba1\u7b97\u539f\u7406<\/p>\n

SURF\u63cf\u8ff0\u5b50：\u7edf\u8ba1\u5173\u952e\u70b9\u90bb\u57df\u5185\u7070\u5ea6\u53d8\u5316\u7684\u65b9\u5411\u5206\u5e03，\u4fdd\u5b58\u5c40\u90e8\u68af\u5ea6\u7ed3\u6784\u3002SIFT \u4e2d\u4f7f\u7528\u7684\u662f\u68af\u5ea6，SURF\u60f3\u66f4\u5feb，\u4f7f\u7528\u7684\u662f Haar \u5c0f\u6ce2\u54cd\u5e94（\u672c\u8d28\u662f\u5728\u65cb\u8f6c\u5bf9\u9f50\u540e\u7684\u5c40\u90e8\u533a\u57df\u4e2d，\u7edf\u8ba1 Haar \u5c0f\u6ce2\u54cd\u5e94\u7684\u7a7a\u95f4\u5206\u5e03）\u3002<\/p>\n

1.\u8ba1\u7b97\u4e3b\u65b9\u5411：\u4ee5\u5173\u952e\u70b9\u4e3a\u4e2d\u5fc3，\u534a\u5f84\u4e3a 6\u03c3 （\u5173\u952e\u70b9\u5c3a\u5ea6）\u7684\u5706\u5f62\u533a\u57df\u5185，\u5bf9\u91c7\u6837\u70b9，\u53d6\u5b83\u5468\u56f4 2\u00d72 \u5c0f\u533a\u57df，\u7528\u79ef\u5206\u56fe\u5feb\u901f\u7b97，\u6c34\u5e73\u5dee\u5206 dx，\u5782\u76f4\u5dee\u5206 dy，\u5f97\u5230\u91c7\u6837\u70b9(dx, dy)，\u4e5f\u5c31\u662f\u8be5\u70b9\u7684 Haar \u5c0f\u6ce2\u54cd\u5e94\u3002\u7528\u4e00\u4e2a\u5927\u5c0f\u4e3a60\u5ea6\u7684\u6247\u5f62\u7a97\u53e3\u5728\u5706\u5185\u65cb\u8f6c（\u8fde\u7eed\u6ed1\u52a8\u7a97\u53e3）\u3002\u5c06\u6247\u5f62\u7a97\u53e3\u5185\u7684\u6240\u6709 Haar \u5c0f\u6ce2\u54cd\u5e94\u7684\u6c34\u5e73\u5206\u91cf\u548c\u5782\u76f4\u5206\u91cf\u5206\u522b\u7d2f\u52a0，\u5f62\u6210\u4e00\u4e2a\u603b\u5411\u91cf\u3002\u5411\u91cf\u6a21\u957f\u6700\u5927\u7684\u65b9\u5411，\u5c31\u88ab\u6307\u5b9a\u4e3a\u8be5\u5173\u952e\u70b9\u7684\u4e3b\u65b9\u5411\u3002<\/p>\n

2. \u6784\u5efa 64 \u7ef4\u7279\u5f81\u5411\u91cf：\u786e\u5b9a\u4e3b\u65b9\u5411\u540e，\u4e3a\u4e86\u4fdd\u8bc1\u65cb\u8f6c\u4e0d\u53d8\u6027，\u5c06\u5750\u6807\u8f74\u65cb\u8f6c\u5bf9\u9f50\u5230\u4e3b\u65b9\u5411\u3002\u4ee5\u5173\u952e\u70b9\u4e3a\u4e2d\u5fc3，\u91c7\u96c6\u4e00\u4e2a 20\u03c3 * 20\u03c3 \u7684\u6b63\u65b9\u5f62\u90bb\u57df，\u5c06\u8fd9\u4e2a\u5927\u6b63\u65b9\u5f62\u5212\u5206\u4e3a 4 * 4 = 16 \u4e2a\u5b50\u5757\u3002\u5728\u6bcf\u4e00\u4e2a\u5b50\u5757\u5185\u90e8\u7edf\u8ba1（\u7edf\u8ba1\u65f6\u4f1a\u6839\u636e\u8ddd\u79bb\u5173\u952e\u70b9\u4e2d\u5fc3\u8ddd\u79bb\u5bf9 Haar response \u65bd\u52a0\u9ad8\u65af\u6743\u91cd，\u589e\u5f3a\u4e2d\u5fc3\u533a\u57df\u7684\u6743\u91cd） Haar Wavelet \u7684\u6c34\u5e73\u54cd\u5e94\u548c \u2211dx\u3001\u5782\u76f4\u54cd\u5e94\u548c \u2211dy\u3001\u6c34\u5e73\u7edd\u5bf9\u503c\u548c\u2211\u2223dx\u2223\u3001\u5782\u76f4\u7edd\u5bf9\u503c\u548c \u2211\u2223dy\u2223（\u666e\u901a\u548c \u53cd\u6620\u5c40\u90e8\u7070\u5ea6\u53d8\u5316\u7684\u4e3b\u8d8b\u52bf，\u7edd\u5bf9\u503c\u548c \u53cd\u6620\u5c40\u90e8\u53d8\u5316\u5f3a\u5ea6）\u3002\u4e00\u5171 16 \u4e2a\u5b50\u5757，\u6bcf\u4e2a\u5b50\u5757\u8d21\u732e 4 \u4e2a\u6d6e\u70b9\u6570，\u6700\u7ec8\u5f97\u5230\u4e00\u4e2a 64 \u7ef4\u6d6e\u70b9\u5411\u91cf\u3002\u6700\u540e\u901a\u8fc7 L2 \u5f52\u4e00\u5316\u83b7\u5f97\u5bf9\u5c3a\u5ea6\u4e0e\u5149\u7167\u66f4\u9c81\u68d2\u7684\u7279\u5f81\u5411\u91cf\u3002<\/p>\n

（5）\u63cf\u8ff0\u5b50\u5339\u914d\u539f\u7406<\/p>\n

\u5728\u5339\u914d\u9636\u6bb5，SURF \u9664\u4e86\u4fdd\u7559\u4e86 SIFT \u7684\u6b27\u6c0f\u8ddd\u79bb\u8ba1\u7b97\u548c Lowe's \u6700\u8fd1\u90bb\u8ddd\u79bb\u6bd4\u503c\u6cd5（Ratio Test）\u4e4b\u5916，\u8fd8\u5229\u7528 Hessian \u77e9\u9635\u7684\u6570\u5b66\u7279\u6027，\u5f15\u5165\u62c9\u666e\u62c9\u65af\u7b97\u5b50\u6b63\u8d1f\u53f7（Sign of Laplacian）\u4f5c\u4e3a\u989d\u5916\u5224\u522b\u4fe1\u606f，\u7528\u4e8e\u589e\u5f3a\u7279\u5f81\u533a\u5206\u6027\u3002\u3002<\/p>\n

\u6838\u5fc3\u52a0\u901f：\u57fa\u4e8e\u7279\u5f81\u70b9\u6b63\u8d1f\u53f7\u7684\u63d0\u524d\u5206\u6d41\u3002<\/p>\n

\u5728\u8ba1\u7b97 Hessian \u77e9\u9635\u65f6，\u77e9\u9635\u7684\u8ff9（Trace，\u5373\u5bf9\u89d2\u7ebf\u5143\u7d20\u4e4b\u548c Lxx + Lyy）\u5b9e\u9645\u4e0a\u5c31\u662f\u62c9\u666e\u62c9\u65af\u7b97\u5b50\u7684\u503c\u3002\u8fd9\u4e2a\u503c\u7684\u6b63\u8d1f\u53f7\u6709\u7740\u975e\u5e38\u660e\u786e\u7684\u7269\u7406\u56fe\u5f62\u51e0\u4f55\u610f\u4e49：<\/p>\n

\u6b63\u53f7（+）：\u4ee3\u8868\u8be5\u7279\u5f81\u70b9\u662f\u4e00\u4e2a\u9ed1\u6697\u80cc\u666f\u4e0b\u7684\u660e\u4eae\u6591\u70b9\u3002\u867d\u7136\u7531\u4e8e SURF \u65b9\u6846\u6ee4\u6ce2\u6838\u201c\u4e2d\u95f4\u4e3a\u8d1f\u3001\u4e24\u8fb9\u4e3a\u6b63\u201d\u7684\u8bbe\u8ba1，\u76f4\u63a5\u5377\u79ef\u4f1a\u5f97\u5230\u8d1f\u503c，\u4f46\u7b97\u6cd5\u4f1a\u5c06\u5176\u6821\u6b63（\u53d6\u53cd）\u4e3a\u6b63，\u4ee5\u4fdd\u6301\u4e0e\u6807\u51c6\u62c9\u666e\u62c9\u65af\u7b97\u5b50\u54cd\u5e94\u4e00\u81f4\u3002<\/p>\n

\u8d1f\u53f7（-）：\u4ee3\u8868\u8be5\u7279\u5f81\u70b9\u662f\u4e00\u4e2a\u660e\u4eae\u80cc\u666f\u4e0b\u7684\u9ed1\u6697\u6591\u70b9\u3002<\/p>\n

\u5339\u914d\u65f6\u7684\u5de8\u5927\u4f18\u52bf：\u5728\u4e24\u5f20\u56fe\u7684\u7279\u5f81\u70b9\u8fdb\u884c\u9ad8\u7ef4\u7a7a\u95f4\u8ddd\u79bb\u6bd4\u5bf9\u4e4b\u524d，\u7b97\u6cd5\u4f1a\u5148\u770b\u4e00\u773c\u4e24\u4e2a\u70b9\u7684\u62c9\u666e\u62c9\u65af\u6b63\u8d1f\u53f7\u3002\u5982\u679c\u56fe A \u7684\u70b9\u662f（+），\u56fe B \u7684\u70b9\u662f（-），\u8bf4\u660e\u4e00\u4e2a\u662f\u767d\u70b9\u4e00\u4e2a\u662f\u9ed1\u70b9\u3002\u7b97\u6cd5\u4f1a\u76f4\u63a5\u5224\u5b9a\u5b83\u4eec\u4e0d\u5339\u914d\u3002\u53ea\u6709\u5f53\u6b63\u8d1f\u53f7\u5b8c\u5168\u4e00\u81f4\u65f6，\u7b97\u6cd5\u624d\u4f1a\u53bb\u8ba1\u7b97 64 \u7ef4\u5411\u91cf\u7684\u8ddd\u79bb\u3002<\/p>\n

（6）\u5176\u5b83<\/p>\n

\"\"<\/p>\n

\u521b\u5efaSURF\u7279\u5f81\u68c0\u6d4b\u5668\u4e0e\u63cf\u8ff0\u5b50\u63d0\u53d6\u5668\u3002
\nPtr<SURF> cv::xfeatures2d::SURF::create(
\n double hessianThreshold = 100, \/\/ Hessian\u9608\u503c，\u9608\u503c\u8d8a\u5927\u68c0\u6d4b\u7279\u5f81\u8d8a\u5c11
\n int nOctaves = 4, \/\/ \u91d1\u5b57\u5854\u5c3a\u5ea6\u7ec4\u6570
\n int nOctaveLayers = 3, \/\/ \u6bcf\u7ec4\u5185\u5c3a\u5ea6\u5c42\u6570
\n bool extended = false, \/\/ \u662f\u5426\u542f\u7528128\u7ef4\u63cf\u8ff0\u5b50，\u9ed8\u8ba464\u7ef4
\n bool upright = false \/\/ \u662f\u5426\u5173\u95ed\u65cb\u8f6c\u4e0d\u53d8，\u53ea\u4fdd\u6301\u7ad6\u76f4\u65b9\u5411
\n);<\/p>\n\n\n\n\n\n\n\n\n\n
\u7279\u6027 \/ \u6b65\u9aa4<\/td>\nSIFT \u7b97\u6cd5<\/td>\nSURF \u7b97\u6cd5（\u4f18\u5316\u70b9）<\/td>\n<\/tr>\n
\u5c3a\u5ea6\u7a7a\u95f4\u6784\u5efa<\/td>\n\u56fe\u50cf\u4e0d\u65ad\u964d\u91c7\u6837，\u6838\u4e0d\u53d8\u3002\u8ba1\u7b97\u6162\u3002<\/td>\n\u56fe\u50cf\u5c3a\u5bf8\u4e0d\u52a8，\u65b9\u6846\u6ee4\u6ce2\u5668\u6210\u500d\u653e\u5927\u3002\u901a\u8fc7\u79ef\u5206\u56fe\u5b9e\u73b0\u00a0O(1)\u00a0\u6052\u5b9a\u901f\u5ea6\u3002<\/td>\n<\/tr>\n
\u6781\u503c\u70b9\u68c0\u6d4b<\/td>\n\u9ad8\u65af\u5dee\u5206\u91d1\u5b57\u5854（DoG）<\/td>\nHessian \u77e9\u9635\u884c\u5217\u5f0f（Box Filter \u8fd1\u4f3c）<\/td>\n<\/tr>\n
\u4e3b\u65b9\u5411\u5206\u914d<\/td>\n36 \u67f1\u68af\u5ea6\u65b9\u5411\u76f4\u65b9\u56fe（\u6700\u5f3a\u5cf0\u503c）<\/td>\n60\u5ea6 \u6247\u5f62\u7a97\u53e3\u65cb\u8f6c\u7d2f\u52a0 Haar \u5c0f\u6ce2\u54cd\u5e94<\/td>\n<\/tr>\n
\u63cf\u8ff0\u5b50\u7ef4\u5ea6<\/td>\n128 \u7ef4（16 \u5757 *\u00a08 \u65b9\u5411\u76f4\u65b9\u56fe）<\/td>\n64 \u7ef4（16 \u5757 * 4 \u4e2a Haar \u7edf\u8ba1\u91cf），\u5185\u5b58\u51cf\u534a\u3002<\/td>\n<\/tr>\n
\u5339\u914d\u63d0\u901f\u5668<\/td>\n\u65e0（\u76f4\u63a5\u8fdb k-d \u6811\u6216\u66b4\u529b\u8ba1\u7b97）<\/td>\n\u62c9\u666e\u62c9\u65af\u7b97\u5b50\u6b63\u8d1f\u53f7（\u660e\u6697\u6591\u70b9\u5206\u6d41，\u8fc7\u6ee4\u4e00\u534a\u65e0\u6548\u5339\u914d）<\/td>\n<\/tr>\n
\u6027\u80fd\u7efc\u5408\u8bc4\u4ef7<\/td>\n\u7cbe\u5ea6\u6700\u9ad8，\u5bf9\u4eff\u5c04\u3001\u5c3a\u5ea6\u53d8\u5316\u6700\u51c6，\u4f46\u592a\u6162\u3002<\/td>\n\u901f\u5ea6\u6781\u5feb（\u5feb 3-5 \u500d），\u7cbe\u5ea6\u76f4\u903c SIFT\u3002<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n
1.3 ORB (Oriented FAST and Rotated BRIEF)<\/h5>\n

\u5b9a\u5411FAST\u548c\u65cb\u8f6cBRIEF，\u7528 FAST \u89d2\u70b9\u68c0\u6d4b + \u7070\u5ea6\u8d28\u5fc3\u6cd5\u8d4b\u4e88\u89d2\u70b9\u65b9\u5411，\u518d\u7528\u65cb\u8f6c\u7248 BRIEF \u751f\u6210\u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50\u3002<\/p>\n

（1）\u4f18\u7f3a\u70b9<\/p>\n

\u4f18\u70b9：1. \u8ba1\u7b97\u901f\u5ea6\u6781\u5feb，\u57fa\u4e8e FAST \u89d2\u70b9\u68c0\u6d4b\u4e0e BRIEF \u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50\u30022. \u4f7f\u7528\u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50，\u5185\u5b58\u5360\u7528\u5c0f，\u6c49\u660e\u8ddd\u79bb\u5339\u914d\u6548\u7387\u9ad8\u30023. \u901a\u8fc7\u65b9\u5411\u4f30\u8ba1\u4e0e rBRIEF，\u5177\u6709\u8f83\u597d\u7684\u65cb\u8f6c\u4e0d\u53d8\u6027\u30024. \u91c7\u7528\u56fe\u50cf\u91d1\u5b57\u5854\u6784\u5efa\u5c3a\u5ea6\u7a7a\u95f4，\u5177\u5907\u4e00\u5b9a\u5c3a\u5ea6\u4e0d\u53d8\u6027\u30025. \u5bf9\u5149\u7167\u53d8\u5316\u3001\u566a\u58f0\u53ca\u90e8\u5206\u906e\u6321\u5177\u6709\u8f83\u5f3a\u9c81\u68d2\u6027\u3002<\/p>\n

\u7f3a\u70b9：1. \u914d\u51c6\u7cbe\u5ea6\u901a\u5e38\u4f4e\u4e8e SIFT\u3001SURF \u7b49\u6d6e\u70b9\u63cf\u8ff0\u5b50\u65b9\u6cd5\u30022. \u5c3a\u5ea6\u4e0d\u53d8\u6027\u6709\u9650，\u5728\u5927\u5c3a\u5ea6\u7f29\u653e\u4e0b\u7a33\u5b9a\u6027\u4e0b\u964d\u30023. \u5bf9\u5f3a\u900f\u89c6\u7578\u53d8\u3001\u5267\u70c8\u89c6\u89d2\u53d8\u5316\u7684\u9002\u5e94\u80fd\u529b\u8f83\u5f31\u30024. \u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50\u5224\u522b\u80fd\u529b\u6709\u9650，\u5728\u91cd\u590d\u7eb9\u7406\u533a\u57df\u5bb9\u6613\u8bef\u5339\u914d\u30025. \u5728\u5f31\u7eb9\u7406\u6216\u4e25\u91cd\u6a21\u7cca\u573a\u666f\u4e2d，\u7279\u5f81\u70b9\u7a33\u5b9a\u6027\u8f83\u5dee\u3002<\/p>\n

\u5728\u4ee5\u5e73\u79fb\u3001\u65cb\u8f6c\u4e3a\u4e3b，\u5c3a\u5ea6\u53d8\u5316\u8f83\u5c0f\u7684\u573a\u666f\u4e2d\u6548\u679c\u8f83\u597d\u3002<\/p>\n

（2）\u76f8\u5173\u6982\u5ff5<\/p>\n

FAST（Features From Accelerated Segment Test）：\u5224\u65ad\u67d0\u4e2a\u50cf\u7d20\u662f\u5426\u4e3a\u89d2\u70b9\u3002\u6838\u5fc3\u601d\u60f3\u662f\u6bd4\u8f83\u4e2d\u5fc3\u50cf\u7d20\u4e0e\u5706\u5468\u90bb\u57df\u50cf\u7d20\u7684\u7070\u5ea6\u5dee\u5f02，\u82e5\u8fde\u7eed\u82e5\u5e72\u50cf\u7d20\u660e\u663e\u66f4\u4eae\u6216\u660e\u663e\u66f4\u6697，\u5219\u8ba4\u4e3a\u8be5\u70b9\u662f\u89d2\u70b9\u3002\u65e0\u68af\u5ea6\u3001\u65e0\u590d\u6742\u8ba1\u7b97，\u68c0\u6d4b\u901f\u5ea6\u8fdc\u8d85 SIFT\u3001SURF\u3002<\/p>\n

\"\"<\/p>\n

\u7070\u5ea6\u8d28\u5fc3\u6cd5：\u6839\u636e\u89d2\u70b9\u90bb\u57df\u5185\u7684\u7070\u5ea6\u5206\u5e03\u8ba1\u7b97\u201c\u4eae\u5ea6\u8d28\u5fc3\u201d\u3002\u82e5\u67d0\u4e00\u65b9\u5411\u4eae\u5ea6\u66f4\u96c6\u4e2d\u5219\u8d28\u5fc3\u4f1a\u504f\u5411\u8be5\u65b9\u5411\u3002\u4e8e\u662f，\u4ece\u89d2\u70b9\u4e2d\u5fc3\u6307\u5411\u4eae\u5ea6\u8d28\u5fc3\u7684\u65b9\u5411\u4f5c\u4e3a\u8be5\u5173\u952e\u70b9\u7684\u4e3b\u65b9\u5411\u3002<\/p>\n

BRIEF（Binary Robust Independent Elementary Features）：ORB \u4f7f\u7528\u7684\u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50\u3002\u6838\u5fc3\u601d\u60f3\u662f\u6bd4\u8f83\u5173\u952e\u70b9\u90bb\u57df\u5185\u50cf\u7d20\u5bf9\u7684\u7070\u5ea6\u5927\u5c0f\u5173\u7cfb\u3002\u4e0d\u5177\u6709\u65cb\u8f6c\u4e0d\u53d8\u6027\u3002Rotated BRIEF\u662fORB \u5bf9 BRIEF \u7684\u6539\u8fdb\u3002\u6839\u636e\u5173\u952e\u70b9\u4e3b\u65b9\u5411\u5bf9 BRIEF \u7684\u91c7\u6837\u6a21\u5f0f\u8fdb\u884c\u540c\u6b65\u65cb\u8f6c\u3002<\/p>\n

（3）ORB \u7279\u5f81\u63d0\u53d6\u4e0e\u5339\u914d\u6d41\u7a0b<\/p>\n

1.\u6784\u5efa\u56fe\u50cf\u91d1\u5b57\u5854\u30022.FASR\u5feb\u901f\u68c0\u6d4b\u89d2\u70b9，\u5229\u7528 Harris Socre \u7b5b\u9009\u7a33\u5b9a\u5173\u952e\u70b9\u30023.\u7070\u5ea6\u8d28\u5fc3\u6cd5\u8ba1\u7b97\u4e3b\u65b9\u5411\u30024.\u6784\u5efa BRIEF Binary Descriptor\u30025.\u6839\u636e\u4e3b\u65b9\u5411\u65cb\u8f6cBRIEF\u3002<\/p>\n

\"\"<\/p>\n

（4）\u5173\u952e\u70b9\u68c0\u6d4b\u539f\u7406<\/p>\n

1.Oriented FAST \u89d2\u70b9\u68c0\u6d4b：\u6838\u5fc3\u601d\u60f3\u662f\u89d2\u70b9\u9644\u8fd1\u4f1a\u51fa\u73b0\u5267\u70c8\u7070\u5ea6\u53d8\u5316，\u770b\u4e2d\u5fc3\u70b9\u79bb\u6563\u5706\u5468\u4e0a\u662f\u5426\u5b58\u5728\u8fde\u7eed\u660e\u663e\u66f4\u4eae\/\u66f4\u6697\u7684\u50cf\u7d20\u6bb5\u3002\u5bf9\u4e8e\u56fe\u50cf\u4e2d\u7684\u5f85\u6d4b\u70b9 p，\u7b97\u6cd5\u4ee5\u5176\u4e3a\u4e2d\u5fc3\u6784\u9020\u4e00\u4e2a\u534a\u5f84\u4e3a 3 \u50cf\u7d20\u7684\u79bb\u6563\u5706\u5468，\u5e76\u5728\u8be5\u5706\u5468\u4e0a\u9009\u53d6 16 \u4e2a\u91c7\u6837\u70b9\u8fdb\u884c\u7070\u5ea6\u6bd4\u8f83\u3002<\/p>\n

\u00a0– \u6838\u5fc3\u5224\u522b\u51c6\u5219： \u8bbe\u5b9a\u4e00\u4e2a\u4eae\u5ea6\u9608\u503c t\u3002\u5982\u679c\u5706\u5468\u4e0a\u5b58\u5728\u8fde\u7eed N \u4e2a\u50cf\u7d20\u70b9（ORB \u4e2d N=9，\u5373 FAST-9），\u5b83\u4eec\u7684\u503c\u90fd\u5927\u4e8e\"I_P （\u6781\u4eae\u70b9，\"I_P\"\u8868\u793a\u4e2d\u5fc3\u5f85\u6d4b\u70b9 P \u7684\u7070\u5ea6\u503c）\u6216\u90fd\u5c0f\u4e8e\"I_P<\/p>\n

（\u6781\u6697\u70b9），\u5219 P \u88ab\u521d\u6b65\u5224\u5b9a\u4e3a\u7279\u5f81\u70b9\u3002\u4e3a\u4e86\u907f\u514d\u5bf9\u6bcf\u4e2a\u50cf\u7d20\u90fd\u6d4b\u8bd5 16 \u4e2a\u70b9\u3002\u5728\u7ecf\u5178 FAST \u4e2d，\u7b97\u6cd5\u901a\u5e38\u4f1a\u4f18\u5148\u68c0\u67e5\u5706\u5468\u4e0a\u7684\u5c11\u91cf\u5173\u952e\u4f4d\u7f6e（\u5982 1\u30015\u30019\u300113 \u53f7\u70b9）\u3002\u5982\u679c\u5176\u4e2d\u81f3\u5c11 3 \u4e2a\u70b9\u6ca1\u6709\u660e\u663e\u4eae\u4e8e\u6216\u6697\u4e8e\u4e2d\u5fc3\u50cf\u7d20 P\u200b，\u5219\u5f53\u524d\u50cf\u7d20\u4e0d\u53ef\u80fd\u6210\u4e3a\u89d2\u70b9，\u4ece\u800c\u63d0\u524d\u7ec8\u6b62\u540e\u7eed\u68c0\u6d4b\u3002<\/p>\n

\u00a0– ID3 \u51b3\u7b56\u6811\u5206\u6d41（ID3 Decision Tree）： \u5728FAST\u57fa\u7840\u4e0a，FAST-ER \u5c06\u8be5\u201c\u6d4b\u8bd5\u987a\u5e8f\u9009\u62e9\u95ee\u9898\u201d\u5efa\u6a21\u4e3a\u4e00\u4e2a\u5206\u7c7b\u95ee\u9898，\u5e76\u4f7f\u7528\u7c7b\u4f3c ID3 \u51b3\u7b56\u6811\u5b66\u4e60\u65b9\u6cd5，\u5728\u8bad\u7ec3\u96c6\u4e2d\u4f18\u5316\u6bcf\u4e2a\u50cf\u7d20\u4f4d\u7f6e\u7684\u6d4b\u8bd5\u987a\u5e8f\u3002\u56e0\u6b64，\u5927\u591a\u6570\u975e\u89d2\u70b9\u4ec5\u9700 2~3 \u6b21\u50cf\u7d20\u5f3a\u5ea6\u6bd4\u8f83\u5373\u53ef\u88ab\u5feb\u901f\u6392\u9664，\u4ece\u800c\u663e\u8457\u964d\u4f4e\u5b9e\u9645\u8fd0\u884c\u65f6\u95f4\u3002<\/p>\n

2.\u56fe\u50cf\u91d1\u5b57\u5854\u5750\u6807\u53cd\u5411\u6295\u5f71：\u5f53\u7b2c\u4e00\u5c42\u68c0\u6d4b\u5230FAST\u5173\u952e\u70b9\u540e，\u7b97\u6cd5\u4e0d\u9700\u8981\u53bb\u548c\u5b83\u7684\u4e0a\u5c42\u6216\u4e0b\u5c42\u505a\u4efb\u4f55\u6570\u5b66\u6bd4\u5bf9，\u800c\u662f\u76f4\u63a5\u5728\u5f53\u200b\u200b\u524d\u5c42\u7684\u5750\u6807\u4e2d\u5904\u7406\u7279\u5f81\u70b9\"$(x_{down},，\u4e58\u4ee5\u5f53\u524d\u5c42\u7684\u7f29\u653e\u56e0\u5b50\u7684\u5012\u6570，\u76f4\u63a5\u53cd\u5411\u6295\u5f71（Mapping）\u56de\u539f\u59cb\u56fe\u50cf\u00a0\"$L_0$\"\u00a0\u7684\u4e0b\u5206\u8fa8\u7387\u3002FAST\u5bf9\u50cf\u7d20\u5bf9\u70b9\u7684\u5224\u522b\u7ed3\u679c\u5728\u5e95\u5c42\u53ea\u6709\u786c\u6027\u76841（\u662f）\u62160（\u4e0d\u662f）\u3002<\/p>\n

\"\"<\/p>\n

3.\u975e\u6781\u5927\u503c\u6291\u5236\u4e0e Harris \u54cd\u5e94\u5f97\u5206\u7b5b\u9009： FAST \u5728\u771f\u5b9e\u56fe\u50cf\u4e2d\u5bb9\u6613\u5728\u8fb9\u7f18\u8fde\u7eed\u533a\u57df\u9644\u8fd1\u4ea7\u751f\u5927\u91cf\u5bc6\u96c6\u5019\u9009\u70b9\u3002\u4e3a\u907f\u514d\u540c\u4e00\u5c40\u90e8\u533a\u57df\u51fa\u73b0\u8fc7\u591a\u91cd\u590d\u7279\u5f81，ORB \u9996\u5148\u5bf9 FAST \u5019\u9009\u70b9\u6267\u884c 3\u00d73 \u90bb\u57df\u975e\u6781\u5927\u503c\u6291\u5236（ NMS），\u4ec5\u4fdd\u7559\u5c40\u90e8\u54cd\u5e94\u503c\u6700\u5927\u7684\u70b9，\u4ece\u800c\u51cf\u5c11\u5197\u4f59\u89d2\u70b9\u3002\u968f\u540e，\u7531\u4e8e FAST \u672c\u8d28\u4e0a\u4e3b\u8981\u57fa\u4e8e\u50cf\u7d20\u5f3a\u5ea6\u6bd4\u8f83，\u5176\u89d2\u70b9\u54cd\u5e94\u7a33\u5b9a\u6027\u76f8\u5bf9\u6709\u9650，\u56e0\u6b64 ORB \u53c8\u8fdb\u4e00\u6b65\u5f15\u5165 Harris Corner Response \u5bf9 FAST \u89d2\u70b9\u8fdb\u884c\u91cd\u65b0\u8bc4\u5206\u3002Harris \u54cd\u5e94\u57fa\u4e8e\u56fe\u50cf\u7070\u5ea6\u53d8\u5316\u77e9\u9635（Structure Tensor）\u7684\u884c\u5217\u5f0f\u4e0e\u8ff9\u6784\u5efa，\u80fd\u591f\u66f4\u7a33\u5b9a\u5730\u8861\u91cf\u5c40\u90e8\u533a\u57df\u5728\u591a\u4e2a\u65b9\u5411\u4e0a\u7684\u7070\u5ea6\u53d8\u5316\u5f3a\u5ea6\u3002\u6700\u7ec8，ORB \u4f1a\u6309\u7167 Harris Score \u5bf9\u6240\u6709\u5019\u9009\u70b9\u8fdb\u884c\u6392\u5e8f，\u5e76\u4ec5\u4fdd\u7559\u54cd\u5e94\u503c\u6700\u5927\u7684\u524d M \u4e2a\u5173\u952e\u70b9，\u4ece\u800c\u5728\u4fdd\u6301\u9ad8\u901f\u68c0\u6d4b\u80fd\u529b\u7684\u540c\u65f6，\u8fdb\u4e00\u6b65\u5254\u9664\u5927\u91cf\u4e0d\u7a33\u5b9a\u8fb9\u7f18\u54cd\u5e94\u70b9，\u63d0\u9ad8\u7279\u5f81\u70b9\u7684\u7a33\u5b9a\u6027\u4e0e\u91cd\u590d\u68c0\u6d4b\u7387\u3002<\/p>\n

Harris Corner Response \u539f\u7406：\u8ba9\u4e00\u4e2a\u4e8c\u7ef4\u9ad8\u65af\u7a97\u53e3（\u4e2d\u95f4\u6743\u91cd\u5927，\u8fb9\u7f18\u5c0f）\u00a0w(x,y) \u6cbf\u4efb\u610f\u65b9\u5411\u5e73\u79fb\u4e00\u4e2a\u5fae\u5c0f\u4f4d\u79fb (u,v)，\u5e76\u8ba1\u7b97\u5e73\u79fb\u524d\u540e\u7a97\u53e3\u5185\u56fe\u50cf\u7070\u5ea6\u5dee\u7684\u5e73\u65b9\u548c\u3002\u8fd9\u4e2a\u51fd\u6570\u88ab\u79f0\u4e3a\u81ea\u76f8\u5173\u51fd\u6570\u00a0E(u,v)：\"\"<\/p>\n

，I(x,y)\u8868\u793a\u50cf\u7d20\u5f3a\u5ea6；w(x,y)\u662f\u9ad8\u65af\u6743\u91cd\u7a97\u53e3，\u4e2d\u5fc3\u533a\u57df\u6743\u91cd\u5927；(u,v)，\u7a97\u53e3\u79fb\u52a8\u91cf\u3002\u7528\u6765\u8861\u91cf\u7a97\u53e3\u79fb\u52a8\u4e4b\u540e\u7070\u5ea6\u53d8\u5316\u662f\u5426\u660e\u663e\u3002\u76f4\u63a5\u8ba1\u7b97 \u6781\u5176\u8017\u65f6，\u56e0\u4e3a\u6bcf\u4e2a\u50cf\u7d20\u3001\u6bcf\u4e2a\u79fb\u52a8\u65b9\u5411\u90fd\u8981\u91cd\u65b0\u505a\u56fe\u50cf\u53e0\u52a0\u3002\u4e3a\u4e86\u5b9e\u73b0\u9ad8\u6548\u8ba1\u7b97，Harris \u5f15\u5165\u4e86\u4e00\u9636\u6cf0\u52d2\u516c\u5f0f\u5c55\u5f00\u5f97\u5230\"\"<\/p>\n

\u3002\u8fd9\u91cc\u4e2d\u95f4\u88ab\u62ec\u53f7\u5305\u56f4\u7684 2*2\u00a0\u77e9\u9635，\u5c31\u662f\u7ed3\u6784\u5f20\u91cf（Structure Tensor），\u901a\u5e38\u8bb0\u4e3a\u00a0M：<\/p>\n

\"\"<\/p>\n

，\u77e9\u9635\u00a0M\u00a0\u6d53\u7f29\u4e86\u7a97\u53e3\u533a\u57df\u5185\u6240\u6709\u7684\u68af\u5ea6\u5206\u5e03\u4fe1\u606f\u3002\u5b83\u662f\u4e00\u4e2a\u5bf9\u79f0\u77e9\u9635，\u5176\u4e24\u4e2a\u7279\u5f81\u503c\u00a0\"$\\\\lambda_1$\"\u00a0\u548c\u00a0\"$\\\\lambda_2$\"\u00a0\u00a0\u5b8c\u7f8e\u5bf9\u5e94\u4e86\u5c40\u90e8\u7a97\u53e3\u5185\u7070\u5ea6\u53d8\u5316\u6700\u5feb\u548c\u7070\u5ea6\u53d8\u5316\u6700\u6162\u8fd9\u4e24\u4e2a\u6b63\u4ea4\u65b9\u5411\u4e0a\u7684\u53d8\u5316\u7387\u3002<\/p>\n

\u5e73\u5766\u533a\u57df： \u65e0\u8bba\u5411\u54ea\u4e2a\u65b9\u5411\u79fb\u52a8 (u,v)，\u7070\u5ea6\u51e0\u4e4e\u4e0d\u53d8，\"E(u,v)\u3002<\/p>\n

\u8fb9\u7f18\u533a\u57df： \u987a\u7740\u8fb9\u7f18\u65b9\u5411\u79fb\u52a8，\u7070\u5ea6\u53d8\u5316\u5c0f；\u5782\u76f4\u4e8e\u8fb9\u7f18\u65b9\u5411\u79fb\u52a8，\u7070\u5ea6\u53d8\u5316\u6781\u5927\u3002<\/p>\n

\u89d2\u70b9\u533a\u57df： \u65e0\u8bba\u5411\u54ea\u4e2a\u65b9\u5411\u79fb\u52a8，\u7070\u5ea6\u90fd\u4f1a\u53d1\u751f\u5267\u70c8\u53d8\u5316，E(u,v) \u5728\u6240\u6709\u65b9\u5411\u4e0a\u90fd\u5f88\u5927\u3002<\/p>\n<\/p>\n\n\n\n\n\n\n
\u7279\u5f81\u503c\u72b6\u6001<\/td>\n\u7269\u7406\u56fe\u5f62\u51e0\u4f55\u610f\u4e49<\/td>\n\u89e3\u91ca<\/td>\n<\/tr>\n
\n

\"\\\\lambda_1，\"\\\\lambda_2<\/p>\n<\/td>\n

\n

\u5e73\u5766\u533a\u57df\"R (Flat)<\/p>\n<\/td>\n

\u4e24\u4e2a\u6b63\u4ea4\u65b9\u5411\u4e0a\u7070\u5ea6\u5747\u65e0\u660e\u663e\u53d8\u5316\u3002<\/td>\n<\/tr>\n
\n

\"\\\\lambda_1，\"\\\\lambda_2<\/p>\n<\/td>\n

\u8fb9\u7f18\u533a\u57df (Edge)<\/td>\n\u4ec5\u5728\u5782\u76f4\u4e8e\u8fb9\u7f18\u7684\u65b9\u5411\u4e0a\u6709\u5f3a\u70c8\u7684\u68af\u5ea6，\u987a\u7740\u8fb9\u7f18\u65b9\u5411\u5219\u6ca1\u6709\u53d8\u5316\u3002<\/td>\n<\/tr>\n
\n

\"\\\\lambda_1，\"\\\\lambda_2<\/p>\n<\/td>\n

\u89d2\u70b9\u533a\u57df (Corner)<\/td>\n\u4e24\u4e2a\u6b63\u4ea4\u65b9\u5411\u7684\u53d8\u5316\u7387\u90fd\u6781\u5927，\u8bf4\u660e\u5b58\u5728\u4ea4\u6c47\u7ed3\u6784\u6216\u6591\u70b9\u3002<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

\u867d\u7136\u7279\u5f81\u503c\u00a0\u00a0\"$\\\\lambda_1$\" \u00a0\u548c\u00a0\"$\\\\lambda_2$\" \u7684\u7269\u7406\u610f\u4e49\u5f88\u5b8c\u7f8e，\u4f46\u5728\u5de5\u7a0b\u5b9e\u73b0\u4e2d，\u76f4\u63a5\u5bf9\u56fe\u50cf\u4e2d\u7684\u6bcf\u4e00\u4e2a\u50cf\u7d20\u77e9\u9635\u53bb\u6c42\u89e3\u7279\u5f81\u65b9\u7a0b（\u6c42\u5e73\u65b9\u6839）\u662f\u975e\u5e38\u6602\u8d35\u7684\u3002Harris \u5de7\u5999\u5730\u5229\u7528\u4e86\u77e9\u9635\u7406\u8bba\u4e2d\u7684\u4e24\u4e2a\u7ecf\u5178\u5b9a\u7406，\u7ed5\u5f00\u4e86\u663e\u5f0f\u7279\u5f81\u503c\u6c42\u89e3：<\/p>\n

\u77e9\u9635\u7684\u884c\u5217\u5f0f\u7b49\u4e8e\u5176\u7279\u5f81\u503c\u7684\u4e58\u79ef：\"\\\\det(M)<\/p>\n

\u77e9\u9635\u7684\u8ff9\u7b49\u4e8e\u5176\u7279\u5f81\u503c\u7684\u548c：\"\\\\text{tr}(M)<\/p>\n

\u5229\u7528\u8fd9\u4e24\u4e2a\u6027\u8d28，Harris \u6784\u5efa\u4e86\u89d2\u70b9\u54cd\u5e94\u5f97\u5206 R（Harris Corner Response Score）：\"\"<\/p>\n

\u4e3a\u4ec0\u4e48\u8fd9\u4e2a\u516c\u5f0f\u80fd\u7cbe\u51c6\u7b5b\u9009\u89d2\u70b9？\u6211\u4eec\u628a\u7279\u5f81\u503c\u4ee3\u56de\u516c\u5f0f\u6765\u770b\u5b83\u7684\u52a8\u6001\u54cd\u5e94：\"\"<\/p>\n

\u5f53\u4e3a\u5e73\u5766\u533a\u57df\u65f6：\u00a0\"$\\\\lambda_1$\" \u548c\"$\\\\lambda_2$\" \u90fd\u6781\u5c0f，det(M) \u548c text{tr}(M) \u5747\u8d8b\u8fd1\u4e8e 0，\u56e0\u6b64 \"R\u3002<\/p>\n

\u5f53\u4e3a\u8fb9\u7f18\u533a\u57df\u65f6： \u5047\u8bbe \"\\\\lambda_1\u00a0\u4e14 \"\\\\lambda_2\u3002\u6b64\u65f6\u4e58\u79ef\u9879\"\\\\det(M)，\u800c\u52a0\u548c\u9879\u7684\u5e73\u65b9\"(\\\\text{tr}(M))^2 \u5f88\u5927\u3002\u8fd9\u4f1a\u5bfc\u81f4\u516c\u5f0f\u53f3\u8fb9\u8fdc\u5927\u4e8e\u5de6\u8fb9，\u4ece\u800c\u8ba1\u7b97\u51fa R < 0（\u663e\u8457\u7684\u8d1f\u503c）\u3002<\/p>\n

\u5f53\u4e3a\u89d2\u70b9\u533a\u57df\u65f6：\u00a0\"$\\\\lambda_1$\" \u548c\"$\\\\lambda_2$\" \u90fd\u5f88\u5927\u4e14\u91cf\u7ea7\u63a5\u8fd1\u3002\u6b64\u65f6\u4e58\u79ef\u9879\u00a0\"\\\\lambda_1 \u5360\u636e\u4e3b\u5bfc\u5730\u4f4d，\u5176\u589e\u957f\u901f\u5ea6\u8fdc\u8d85\u51cf\u6570\u9879（\u56e0\u4e3a k \u5f88\u5c0f，\u901a\u5e38\u53d6\u503c\u5728\u00a00.04 ~ 0.06\u00a0\u4e4b\u95f4），\u4ece\u800c\u4f7f\u516c\u5f0f\u8f93\u51fa\u4e00\u4e2a\"R（\u6781\u5927\u7684\u6b63\u503c）\u3002<\/p>\n

\"\"<\/p>\n

（5）\u7070\u5ea6\u8d28\u5fc3\u6cd5\u786e\u5b9a\u4e3b\u65b9\u5411<\/p>\n

\u6838\u5fc3\u601d\u60f3\u662f\u5c40\u90e8\u4eae\u5ea6\u5206\u5e03\u901a\u5e38\u5177\u6709\u65b9\u5411\u6027，\u4f8b\u5982\u5de6\u6697\u53f3\u4eae\u3001\u67d0\u4e2a\u8c61\u9650\u4eae\u5ea6\u96c6\u4e2d，\u90fd\u4f1a\u5bfc\u81f4\u7070\u5ea6\u8d28\u5fc3\u5411\u7279\u5b9a\u65b9\u5411\u504f\u79fb\u3002\u5f53\u56fe\u50cf\u53d1\u751f\u65cb\u8f6c\u65f6，\u5c40\u90e8\u7070\u5ea6\u5206\u5e03\u4e5f\u4f1a\u6574\u4f53\u540c\u6b65\u65cb\u8f6c，\u7070\u5ea6\u8d28\u5fc3\u76f8\u5bf9\u4e8e\u5173\u952e\u70b9\u4e2d\u5fc3\u7684\u4f4d\u7f6e\u4e5f\u4f1a\u540c\u6b65\u65cb\u8f6c\u3002<\/p>\n

1.\u4ee5\u5173\u952e\u70b9\u4e3a\u4e2d\u5fc3，\u5728\u4e00\u4e2a\u534a\u5f84\u4e3a R \u7684\u5706\u5f62\u90bb\u57df\u5185，\u5bf9\u6240\u6709\u50cf\u7d20\u7070\u5ea6\u8fdb\u884c\u7edf\u8ba1\u3002ORB \u4e3b\u8981\u4f7f\u7528：\u96f6\u9636\u77e9（0-th Moment）m00\u200b=x,y\u2211\u200bI(x,y) \u8868\u793a\u8be5\u5c40\u90e8\u533a\u57df\u5185\u7684\u603b\u7070\u5ea6\u80fd\u91cf\u3002\u4e00\u9636\u77e9（1-st Moments）m10\u200b=x,y\u2211\u200bx\u22c5I(x,y)，m10\u200b=x,y\u2211\u200by\u22c5I(x,y)，\u5206\u522b\u8868\u793a\u7070\u5ea6\u5728 x\u3001y \u65b9\u5411\u4e0a\u7684\u201c\u91cd\u5fc3\u504f\u79fb\u201d\u3002I(x,y) \u8868\u793a\u50cf\u7d20\u7070\u5ea6\u503c，(x,y) \u8868\u793a\u76f8\u5bf9\u4e8e\u5173\u952e\u70b9\u4e2d\u5fc3\u7684\u5750\u6807\u3002<\/p>\n

2.\u8ba1\u7b97\u7070\u5ea6\u8d28\u5fc3（Intensity Centroid）：\u7070\u5ea6\u8d28\u5fc3\u00a0\"C，\u8fd9\u91cc\u7684C=(Cx\u200b,Cy\u200b)，\u8868\u793a\u5c40\u90e8\u4eae\u5ea6\u5206\u5e03\u7684\u4e2d\u5fc3\u4f4d\u7f6e，\u5982\u679c\u5c40\u90e8\u533a\u57df\u4eae\u5ea6\u5206\u5e03\u5b8c\u5168\u5bf9\u79f0，\u5219\u8d28\u5fc3\u4f1a\u63a5\u8fd1\u5173\u952e\u70b9\u4e2d\u5fc3；\u5982\u679c\u67d0\u4e2a\u65b9\u5411\u66f4\u4eae，\u5219\u8d28\u5fc3\u4f1a\u5411\u8be5\u65b9\u5411\u504f\u79fb\u3002<\/p>\n

3.\u8ba1\u7b97\u5173\u952e\u70b9\u4e3b\u65b9\u5411：\u8bbe\u5173\u952e\u70b9\u51e0\u4f55\u4e2d\u5fc3\u4e3a：O=(0,0)，\u5219\u4ece\u5173\u952e\u70b9\u4e2d\u5fc3 O \u6307\u5411\u7070\u5ea6\u8d28\u5fc3 C \u7684\u5411\u91cf OC=(m10,m01)，\u5373\u53ef\u8868\u793a\u8be5\u5c40\u90e8\u533a\u57df\u7684\u4e3b\u65b9\u5411\u3002\u6700\u7ec8\u65b9\u5411\u89d2\u5b9a\u4e49\u4e3a \u03b8=atan2(m01, m10)，\u5176\u4e2d atan2(y,x) \u80fd\u591f\u6b63\u786e\u533a\u5206\u56db\u4e2a\u8c61\u9650，\u56e0\u6b64\u53ef\u4ee5\u5f97\u5230：0\u2218\u223c360\u2218 \u8303\u56f4\u5185\u7684\u5b8c\u6574\u65b9\u5411\u89d2\u3002<\/p>\n

（6）rBRIEF \u63cf\u8ff0\u5b50\u8ba1\u7b97\u539f\u7406<\/p>\n

\u53ea\u505a\u50cf\u7d20\u5f3a\u5ea6\u6bd4\u8f83，\u4e0d\u9700\u8981\u68af\u5ea6\u76f4\u65b9\u56fe\u3001\u9ad8\u65af\u52a0\u6743\u7edf\u8ba1\u3001\u6d6e\u70b9\u7279\u5f81\u5411\u91cf\u3002<\/p>\n

1..\u4ee5\u5173\u952e\u70b9\u4e3a\u4e2d\u5fc3，\u53d6\u4e00\u4e2a\u5c40\u90e8\u9886\u57df，\u4f8b\u5982 31 * 31 patch，，\u6839\u636e\u7070\u5ea6\u8d28\u5fc3\u6cd5\u83b7\u5f97\u7684\u5173\u952e\u70b9\u4e3b\u65b9\u5411，\u5bf9\u8be5\u533a\u57df\u5185\u7684\u5bf9BRIEF\u7684\u91c7\u6837\u70b9（\u76f8\u5bf9\u4e8e\u5173\u952e\u70b9\u4e2d\u5fc3\u7684\u5c40\u90e8\u91c7\u6837\u5750\u6807）\u8fdb\u884c\u65cb\u8f6c（\u4e0d\u662f\u6574\u4e2a\u56fe\u50cf\u65cb\u8f6c，\u800c\u662f\u91c7\u6837\u6a21\u5f0f\u5750\u6807\u65cb\u8f6c），S\u03b8\u200b=R\u03b8\u200bS，\u5176\u4e2d\"R_\\\\theta\u3002<\/p>\n

2.\u5bf9\u7b5b\u9009\u51fa\u6765\u7684\u8be5\u533a\u57df\u7684\u50cf\u7d20\u70b9\u5bf9 (p, q) \u6bd4\u8f83\u7070\u5ea6，\u5982\u679cI(p\u200b)<I(q\u200b)，\u5219\u8be5\u8f93\u51fa\u4f4d\u8bb0\u4e3a 1，\u53cd\u4e4b\u8bb0\u4e3a 0\u3002\u901a\u5e38\u751f\u6210256-bit\u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50\u3002<\/p>\n

\u5728\u79bb\u7ebf\u9636\u6bb5，ORB\u5927\u91cf\u8bad\u7ec3\u56fe\u50cfpatch\u7edf\u8ba1\u5019\u9009\u50cf\u7d20\u5bf9，\u901a\u8fc7\u4ee5\u4e0b\u51c6\u5219\u7b5b\u9009\u6700\u4f18\u6d4b\u8bd5\u96c6\u5408：<\/p>\n

\u00a0– \u5355\u5bf9\u70b9\u9ad8\u65b9\u5dee：\u8be5\u50cf\u7d20\u5bf9\u5728\u4e0d\u540c\u56fe\u50cfpatch\u4e2d\u5e94\u5177\u6709\u63a5\u8fd150%\u76840\/1\u5206\u5e03，\u4f7f\u5176\u5177\u5907\u6700\u5927\u4fe1\u606f\u71b5；<\/p>\n

\u00a0– \u70b9\u5bf9\u4e4b\u95f4\u4f4e\u76f8\u5173：\u65b0\u52a0\u5165\u7684\u50cf\u7d20\u5bf9\u5e94\u4e0e\u5df2\u6709\u6d4b\u8bd5\u5bf9\u4fdd\u6301\u4f4e\u76f8\u5173\u6027，\u4ee5\u907f\u514d\u5197\u4f59\u4fe1\u606f，\u63d0\u9ad8\u63cf\u8ff0\u5b50\u7684\u5224\u522b\u80fd\u529b\u3002\"\\\\rho，\u4e24\u4e2a\u70b9\u5bf9\u7070\u5ea6\u53d8\u5316\u8d8b\u52bf\u8d8a\u4e0d\u4e00\u6837，\u76f8\u5173\u6027\u8d8a\u4f4e，\u03c1\u22480\u65f6\u4f4e\u76f8\u5173，\u4fe1\u606f\u72ec\u7acb，\u4e92\u8865\u533a\u5206\u7279\u5f81\u3002<\/p>\n

\u5728\u5b9e\u9645\u8ba1\u7b97\u4e2d，\u4ec5\u9700\u5728\u5173\u952e\u70b9\u90bb\u57dfpatch\u4e0a\u6267\u884c\u8fd9\u4e9b\u9884\u5148\u786e\u5b9a\u7684\u50cf\u7d20\u5bf9\u6bd4\u8f83\u64cd\u4f5c，\u5373\u53ef\u751f\u6210rBRIEF\u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50\u3002<\/p>\n

\"\"<\/p>\n

（7）\u63cf\u8ff0\u5b50\u5339\u914d\u539f\u7406<\/p>\n

1.\u6c49\u660e\u8ddd\u79bb\u8ba1\u7b97\u63cf\u8ff0\u5b50\u76f8\u4f3c\u5ea6<\/p>\n

\u6c49\u660e\u8ddd\u79bb\u00a0d(x,y)=popcount(x\u2295y)，popcount \u7edf\u8ba1\u4e8c\u8fdb\u5236\u4e2d1\u7684\u4e2a\u6570，d(x,y)\u5c31\u662f\u4e24\u4e2a\u4e8c\u8fdb\u5236\u6709\u591a\u5c11\u4e2abit\u4f4d\u4e0d\u4e00\u81f4，\u5339\u914d\u4e24\u4e2a\u5173\u952e\u70b9，\u8ddd\u79bb\u8d8a\u5c0f\u8d8a\u76f8\u4f3c\u3002\u4ec5\u5f02\u6216\u548c\u4f4d\u8fd0\u7b97，\u6b27\u5f0f\u8ddd\u79bb\u9700\u8981\u6d6e\u70b9\u4e58\u52a0\u8fd0\u7b97\u3002<\/p>\n

2.\u7b5b\u9009\u4e0e\u53bb\u8bef\u5339\u914d：<\/p>\n

\u00a0– \u6c49\u660e\u8ddd\u79bb\u9608\u503c\u521d\u7b5b\u9009\u5feb\u901f\u5254\u9664\u660e\u663e\u4e0d\u76f8\u4f3c\u7684\u5339\u914d，\u5982\u679c d(x, y) > T，\u5219\u76f4\u63a5\u8ba4\u4e3a\u4e0d\u5339\u914d（T \u662f\u7ecf\u9a8c\u9608\u503c（\u5e38\u89c1\u7ea6 30～50，\u4f9d\u4efb\u52a1\u8c03\u6574）\u3002<\/p>\n

\u00a0– \u6700\u8fd1\u90bb\u6bd4\u7387\u6d4b\u8bd5（Lowe Ratio Test）：\u5bf9\u6bcf\u4e2a\u7279\u5f81\u70b9\u627e\u6700\u8fd1\u90bb\u5339\u914d d1\u3001\u6b21\u8fd1\u90bb\u5339\u914d d2，d1 \/ d2 < ratio（\u901a\u5e38\u53d6 0.7 ~ 0.8），\u8fc7\u6ee4\u201c\u6a21\u7cca\u5339\u914d\u201d，\u51cf\u5c11\u91cd\u590d\u7eb9\u7406\u5bfc\u81f4\u7684\u4e00\u5bf9\u591a\u9519\u8bef\u5339\u914d\u3002<\/p>\n

\u00a0– \u4ea4\u53c9\u9a8c\u8bc1（Cross Check）：\u5982\u679c A \u4e2d\u70b9 Pa \u5339\u914d\u5230 B \u4e2d\u70b9 Pb，\u5219\u5fc5\u987b\u6ee1\u8db3\u00a0Pb \u5728 B \u4e2d\u6700\u8fd1\u90bb\u4e5f\u5fc5\u987b\u5339\u914d\u56de Pa\u3002<\/p>\n

\u4e3a\u4ec0\u4e48\u4f7f\u7528\u6700\u8fd1\u90bb\u6bd4\u7387\u6d4b\u8bd5：\u6700\u8fd1\u90bb\u53ef\u80fd\u4e0d\u53ef\u9760\u3002\u597d\u7684\u5339\u914d\u552f\u4e00\u6027\u5f3a d1 << d2，\u8bf4\u660e\u6700\u50cf\u7684\u662f\u552f\u4e00\u7684，\u6b21\u8fd1\u7684\u660e\u663e\u5dee\u5f88\u591a\u3002\u574f\u5339\u914d d1 \u2248 d2 \u8bf4\u660e\u591a\u4e2a\u5019\u9009\u90fd\u5dee\u4e0d\u591a\u50cf，\u5f53\u524d\u5339\u914d\u6ca1\u6709\u552f\u4e00\u6027\u3002<\/p>\n

\"\"<\/p>\n

（8）\u5176\u5b83<\/p>\n

\u91c7\u6837\u6a21\u5f0f：\u4e00\u7ec4\u9884\u5148\u5b9a\u4e49\u7684\u50cf\u7d20\u5bf9\u4f4d\u7f6e\u96c6\u5408\u3002<\/p>\n

\u91c7\u6837\u6a21\u5f0f\u5750\u6807\u7cfb\u65cb\u8f6c：\u4ee5\u7279\u5f81\u5173\u952e\u70b9\u4e3a\u5750\u6807\u539f\u70b9，\u6839\u636e\u5173\u952e\u70b9\u4e3b\u65b9\u5411 \u03b8，\u7528\u65cb\u8f6c\u77e9\u9635\u628a\u539f\u59cb\u91c7\u6837\u70b9\u65cb\u8f6c\u5bf9\u9f50\u3002<\/p>\n

\u91c7\u6837\u6a21\u5f0f\u7f29\u653e：\u6839\u636e\u5c3a\u5ea6 \u03c3，\u5bf9\u91c7\u6837\u70b9\u534a\u5f84\u8fdb\u884c\u7f29\u653e<\/p>\n

\u521b\u5efaORB\u7279\u5f81\u68c0\u6d4b\u5668\u4e0e\u63cf\u8ff0\u5b50\u63d0\u53d6\u5668
\nPtr<ORB> cv::ORB::create(
\n int nfeatures = 500, \/\/ \u671f\u671b\u63d0\u53d6\u6700\u5927\u5173\u952e\u70b9\u6570\u91cf
\n float scaleFactor = 1.2f, \/\/ \u91d1\u5b57\u5854\u5c3a\u5ea6\u7f29\u653e\u56e0\u5b50
\n int nlevels = 8, \/\/ \u91d1\u5b57\u5854\u5c3a\u5ea6\u603b\u5c42\u6570
\n int edgeThreshold = 31, \/\/ \u8fb9\u7f18\u7559\u767d\u9608\u503c，\u8fb9\u7f18\u533a\u57df\u4e0d\u68c0\u6d4b\u7279\u5f81
\n int firstLevel = 0, \/\/ \u8d77\u59cb\u91d1\u5b57\u5854\u5c42\u7ea7
\n int WTA_K = 2, \/\/ \u751f\u6210\u63cf\u8ff0\u5b50\u6bcf\u5bf9\u70b9\u96c6\u6570\u91cf
\n int scoreType = ORB::HARRIS_SCORE,\/\/ \u89d2\u70b9\u8bc4\u5206\u65b9\u5f0f：HARRIS_SCORE \/ FAST_SCORE
\n int patchSize = 31, \/\/ \u63cf\u8ff0\u5b50\u91c7\u6837\u90bb\u57df\u7a97\u53e3\u5927\u5c0f
\n int fastThreshold = 20 \/\/ FAST\u89d2\u70b9\u68c0\u6d4b\u9608\u503c
\n);<\/p>\n

1.4 BRISK（Binary Robust Invariant Scalable Keypoints）<\/h5>\n

\u4e8c\u8fdb\u5236\u9c81\u68d2\u4e0d\u53d8\u53ef\u6269\u5c55\u5173\u952e\u70b9，\u4e8c\u8fdb\u5236\u5c40\u90e8\u7279\u5f81\u7b97\u6cd5，\u76ee\u6807\u662f\u4fdd\u6301 ORB \u7684\u9ad8\u901f + \u589e\u5f3a\u5c3a\u5ea6\u4e0d\u53d8\u6027，ORB \u5728\u6bcf\u4e00\u5c42\u5c3a\u5ea6\u56fe\u50cf\u4e0a\u8fd0\u884c FAST \u89d2\u70b9\u68c0\u6d4b；BRIS K\u6bd4 ORB \u591a\u4e86\u4e00\u6b65\u5c3a\u5ea6\u7a7a\u95f4\u6781\u503c\u68c0\u6d4b，\u4e5f\u5c31\u662f\u4e0d\u4ec5\u770b\u5f53\u524d\u5c42\u662f\u4e0d\u662f\u89d2\u70b9，\u8fd8\u4f1a\u6bd4\u8f83\u4e0a\u4e0b\u5c3a\u5ea6\u5c42\u662f\u5426\u4e5f\u662f\u5c40\u90e8\u6781\u503c\u3002\u56e0\u6b64BRISK \u7684\u5c3a\u5ea6\u9c81\u68d2\u6027\u660e\u663e\u5f3a\u4e8e ORB\u3002<\/p>\n

（1）\u4f18\u7f3a\u70b9<\/p>\n

\u4f18\u70b9：<\/p>\n

1.\u5c3a\u5ea6 \/ \u65cb\u8f6c\u4e0d\u53d8：\u591a\u5c3a\u5ea6\u91d1\u5b57\u5854 + \u4e3b\u65b9\u5411\u5f52\u4e00\u5316\u3002<\/p>\n

2.\u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50：512 \u6bd4\u7279（64 \u5b57\u8282），\u5339\u914d\u7528\u6c49\u660e\u8ddd\u79bb，\u6781\u5feb\u3002<\/p>\n

3.\u901f\u5ea6\u5feb：AGAST（FAST \u7684\u5de5\u7a0b\u589e\u5f3a\u7248\u672c） + \u8f7b\u91cf\u91c7\u6837，\u5feb\u4e8e SIFT\/SURF，\u7565\u6162\u4e8e ORB\u3002<\/p>\n

4.\u6297\u6a21\u7cca\u5f3a：\u540c\u5fc3\u5706\u9ad8\u65af\u91c7\u6837，\u5bf9\u6a21\u7cca \/ \u566a\u58f0\u9c81\u68d2\u3002<\/p>\n

\u7f3a\u70b9：<\/p>\n

1.\u91cd\u590d\u7eb9\u7406\u6613\u8bef\u5339\u914d（\u540c\u6240\u6709\u5c40\u90e8\u7279\u5f81）\u3002<\/p>\n

2.\u89c6\u89d2\u5f62\u53d8\u5f31\u4e8e SIFT\/SuperPoint\u3002<\/p>\n

（2）\u76f8\u5173\u6982\u5ff5<\/p>\n

FAST \u4e0e AGAST（Adaptive and Generic Accelerated Segment Test） \u6838\u5fc3\u533a\u522b：<\/p>\n

1. \u68c0\u6d4b\u5224\u5b9a\u903b\u8f91<\/p>\n

FAST9-16：\u8fde\u7eed 9 \u4e2a\u5706\u5468\u50cf\u7d20\u7070\u5ea6\u5dee\u8d85\u9608\u503c\u5373\u5224\u5b9a\u89d2\u70b9，\u56fa\u5b9a\u987a\u5e8f\u5206\u6bb5\u68c0\u6d4b\u3002<\/p>\n

AGAST： \u79bb\u7ebf\u5b66\u4e60\u6700\u4f18\u5224\u65ad\u5206\u652f，\u81ea\u9002\u5e94 + \u901a\u7528\u4e8c\u53c9\u51b3\u7b56\u6811\u3002\u63d0\u524d\u7528\u6d77\u91cf\u56fe\u50cf\u8bad\u7ec3，\u7b97\u51fa\u6700\u5feb\u7b5b\u9664\u975e\u89d2\u70b9\u7684\u50cf\u7d20\u6bd4\u5bf9\u987a\u5e8f，\u56fa\u5316\u5224\u5b9a\u5206\u652f，\u5f97\u5230\u51b3\u7b56\u6811，\u8fd0\u884c\u65f6\u6839\u636e\u5f53\u524d\u50cf\u7d20\u7070\u5ea6\u5dee\u5f02，\u81ea\u52a8\u8d70\u6700\u4f18\u5206\u652f\u8def\u5f84，\u6bcf\u6b21\u4e8c\u5206\u7c7b\u5224\u65ad，\u4e0d\u65ad\u7f29\u5c0f\u8303\u56f4\u3002<\/p>\n

2.\u5c3a\u5ea6\u5904\u7406\u80fd\u529b<\/p>\n

FAST：\u4ec5\u5355\u56fe\u50cf\u5c42\u68c0\u6d4b，\u5c3a\u5ea6\u91d1\u5b57\u5854\u5206\u5c42\u72ec\u7acb\u5224\u65ad，\u4e0d\u8de8\u5c3a\u5ea6\u6781\u503c\u5bf9\u6bd4\u3002<\/p>\n

AGAST：\u539f\u751f\u9002\u914d\u5c3a\u5ea6\u7a7a\u95f4，\u652f\u6301\u540c\u5c42 + \u4e0a\u4e0b\u5c3a\u5ea6\u8054\u5408\u6781\u503c\u7b5b\u9009，BRISK \u7528\u5b83\u505a\u591a\u5c3a\u5ea6\u5173\u952e\u70b9\u3002<\/p>\n

3.\u6297\u566a\u4e0e\u7a33\u5b9a\u6027<\/p>\n

FAST：\u566a\u58f0\u6613\u8bef\u68c0\u51fa\u89d2\u70b9，\u91cd\u590d\u7279\u5f81\u591a\u3002<\/p>\n

AGAST：\u4f18\u5316\u5206\u6bb5\u6d4b\u8bd5\u89c4\u5219，\u6291\u5236\u4f2a\u89d2\u70b9，\u91cd\u590d\u68c0\u6d4b\u7387\u66f4\u4f4e\u3002<\/p>\n

AGAST corner score：\u6838\u5fc3\u601d\u60f3\u662f\u8fd9\u4e2a\u89d2\u70b9\u6709\u591a\u5f3a，\u5706\u5468\u4e0a\u6709\u8fde\u7eedN\u4e2a\u70b9\u4eae\u4e8e\u6216\u6697\u4e8e\u4e2d\u5fc3\u8d85\u8fc7\u9608\u503c，\u5982\u679c\u9608\u503c\u5f88\u5927\u6761\u4ef6\u4ecd\u6210\u7acb，\u8bf4\u660e\u8fd9\u662f\u5f88\u5f3a\u7684\u89d2\u70b9\u3002AGAST socre \u4e5f\u662fBRISK\u54cd\u5e94\u503c\u7684\u6765\u6e90，FAST\/AGAST \u6700\u57fa\u7840\u7248\u672c\u53ea\u662f\u6ee1\u8db3\u6761\u4ef6\u5c31\u662f\u89d2\u70b9\u3001\u4e0d\u6ee1\u8db3\u5c31\u662f\u975e\u89d2\u70b9\u7684\u4e8c\u503c\u5224\u65ad，\u4f46BRISK \u540e\u9762\u8fd8\u8981\u505a\u975e\u6781\u5927\u503c\u6291\u5236\u3001\u8de8\u5c3a\u5ea6\u6bd4\u8f83\u3001\u4e9a\u50cf\u7d20\u5b9a\u4f4d\u3001\u4e9a\u5c3a\u5ea6\u5b9a\u4f4d，\u56e0\u6b64\u5fc5\u987b\u6784\u9020\u8fde\u7eed\u7684 response\u3002<\/p>\n

AGAST \u54cd\u5e94\u56fe：\u6bcf\u4e2a\u50cf\u7d20\u90fd\u6709\u4e00\u4e2a corner score，\u4e8e\u662f\u6574\u5f20\u56fe\u5c31\u5f97\u5230 response map R(x,y)，\u5728 BRISK \u91cc\u7531\u4e8e\u6709\u5c3a\u5ea6\u7a7a\u95f4，\u5b9e\u9645\u4e0a\u662f R(x,y,\u03c3)\u3002<\/p>\n

\u4e9a\u5c3a\u5ea6\u4f18\u5316\u7528\u7684\u54cd\u5e94\u503c：BRISK \u5728\u5c3a\u5ea6\u65b9\u5411\u53d6：R(x,y,\u03c3-1)\u3001R(x,y,\u03c3)\u3001R(x,y,\u03c3+1)，\u5373\u76f8\u540c\u7a7a\u95f4\u4f4d\u7f6e\u5728\u4e0d\u540c\u5c3a\u5ea6\u5c42\u7684AGAST score，\u7136\u540e\u62df\u5408\u4e00\u5143\u4e8c\u6b21\u66f2\u7ebf\u4f30\u8ba1\u771f\u6b63\u7684\u5c3a\u5ea6\u3002<\/p>\n

\u56fe\u50cf\u7070\u5ea6 I(x,y) \u7ecf\u8fc7 AGAST \u5f97\u5230\u89d2\u70b9\u54cd\u5e94\u56fe R(x,y)，\u518d\u6269\u5c55\u5230\u5c3a\u5ea6\u7a7a\u95f4R(x,y,\u03c3)，BRISK \u518d\u57fa\u4e8e\u8fd9\u4e9b\u54cd\u5e94\u503c\u8fdb\u884c\u5c40\u90e8\u6781\u503c\u62df\u5408\u4e0e\u8fde\u7eed\u5c3a\u5ea6\u63d2\u503c\u3002<\/p>\n

（3）\u7b97\u6cd5\u5168\u6d41\u7a0b<\/p>\n

\u56fe\u50cf \u2192 \u56fe\u50cf\u91d1\u5b57\u5854（\u591a\u5c3a\u5ea6） \u2192 AGAST \u68c0\u6d4b\u89d2\u70b9 \u2192 \u5c3a\u5ea6\u7a7a\u95f4\u6781\u503c\u7b5b\u9009 \u2192 \u65b9\u5411\u4f30\u8ba1 \u2192 BRISK \u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50 \u2192 Hamming \u5339\u914d<\/p>\n

（4）\u5173\u952e\u70b9\u68c0\u6d4b<\/p>\n

1.\u56fe\u50cf\u91d1\u5b57\u5854：\u5e0c\u671b\u8ba9\u5c3a\u5ea6\u91c7\u6837\u66f4\u5bc6\u96c6，\u51cf\u5c11\u79bb\u6563\u5c3a\u5ea6\u91c7\u6837\u8bef\u5dee，\u4ece\u800c\u63d0\u9ad8\u5c3a\u5ea6\u7a7a\u95f4\u6781\u503c\u5b9a\u4f4d\u7cbe\u5ea6\u3002\u5305\u542b\u4e24\u4e2a\u4ea4\u9519\u7684\u7ec4\u522b\u3002<\/p>\n

\u00a0– \u5e38\u89c4\u5c42：\u7531\u539f\u59cb\u56fe\u50cf\u5f00\u59cb，\u8fde\u7eed\u8fdb\u884c 1\/2 \u7f29\u653e（\u964d\u91c7\u6837）\u5f97\u5230\u7684\u5c3a\u5ea6\u5c42\u3002<\/p>\n

\u00a0– \u5939\u5c42：\u63d2\u5165\u5728\u76f8\u90bb\u5e38\u89c4\u5c42\u4e4b\u95f4\u3002\u7b2c\u4e00\u5939\u5c42\u7531\u539f\u56fe\u7f29\u5c0f\u81f3\u539f\u6765\u7684 2\/3（\u7ea6 1\/1.5）\u5f97\u5230，\u5176\u4f59\u5939\u5c42\u518d\u7ee7\u7eed\u8fdb\u884c 1\/2 \u7f29\u653e\u751f\u6210\u3002<\/p>\n

2. AGAST \u5173\u952e\u70b9\u68c0\u6d4b<\/p>\n

AGAST\u672c\u8d28\u4e0a\u5c5e\u4e8eFAST\u7c7b\u89d2\u70b9\u68c0\u6d4b\u5668，\u5176\u6838\u5fc3\u601d\u60f3\u4ecd\u7136\u662f\u82e5\u5706\u5468\u4e0a\u5b58\u5728\u8fde\u7eed\u82e5\u5e72\u50cf\u7d20\u660e\u663e\u4eae\u4e8e\u6216\u6697\u4e8e\u4e2d\u5fc3\u50cf\u7d20，\u5219\u8be5\u70b9\u53ef\u80fd\u4e3a\u89d2\u70b9\u3002\u4f7f\u7528\u81ea\u9002\u5e94\u51b3\u7b56\u6811（Adaptive Decision Tree）\u51cf\u5c11\u65e0\u6548\u6bd4\u8f83\u6b21\u6570\u3002\u4e0d\u540c\u4e8e\u56fa\u5b9a\u987a\u5e8f\u68c0\u6d4b16\u4e2a\u5706\u5468\u70b9，AGAST\u901a\u8fc7\u7edf\u8ba1\u5b66\u4e60\u5f97\u5230\u66f4\u4f18\u7684\u68c0\u6d4b\u987a\u5e8f，\u7b97\u6cd5\u4f1a\u4f18\u5148\u68c0\u6d4b\u533a\u5206\u80fd\u529b\u66f4\u5f3a\u3001\u4fe1\u606f\u91cf\u66f4\u5927\u7684\u91c7\u6837\u70b9，\u4ece\u800c\u5c3d\u53ef\u80fd\u63d0\u524d\u5224\u5b9a\u201c\u662f\u5426\u4e3a\u89d2\u70b9\u201d\u3002<\/p>\n

\u00a0– \u5c3a\u5ea6\u7a7a\u95f4\u6781\u503c\u68c0\u6d4b：\u4e00\u4e2a\u5173\u952e\u70b9\u9700\u8981\u5728\u5f53\u524d\u56fe\u50cf\u5c42\u5c40\u90e8\u90bb\u57df\u548c\u4e0a\u4e0b\u5c3a\u5ea6\u5c42\u4e2d\u4fdd\u6301\u5c40\u90e8\u6781\u503c，\u624d\u80fd\u88ab\u4fdd\u7559\u3002<\/p>\n

\u00a0– \u4e9a\u50cf\u7d20\u4e0e\u4e9a\u5c3a\u5ea6\u7cbe\u7ec6\u5316：FAST \/ AGAST \u521d\u59cb\u68c0\u6d4b\u5f97\u5230\u7684\u53ea\u662f\u79bb\u6563\u50cf\u7d20\u7ea7\u7ed3\u679c，\u800c\u771f\u5b9e\u6781\u503c\u901a\u5e38\u4e0d\u521a\u597d\u6574\u6570\u843d\u5728\u50cf\u7d20\u683c\u70b9\u4e0a，\u56e0\u6b64\u9700\u8981\u62df\u5408\u8fde\u7eed\u66f2\u9762\u4f30\u8ba1\u771f\u6b63\u6781\u503c\u4f4d\u7f6e\u3002BRISK\u4f1a\u4f18\u5316\u7a7a\u95f4\u4f4d\u7f6e (x,y) \u5f97\u5230\u4e9a\u50cf\u7d20\u5b9a\u4f4d，\u4f18\u5316\u5c3a\u5ea6 \u03c3 \u5f97\u5230\u4e9a\u5c3a\u5ea6\u5b9a\u4f4d\u3002<\/p>\n

\u00a0 \u00a0– \u4e9a\u50cf\u7d20\u5b9a\u4f4d：\u7b97\u6cd5\u63d0\u53d6\u8be5\u5173\u952e\u70b9\u5468\u56f4 3\u00d73\u00a0\u90bb\u57df\u5185\u7684 AGAST \u54cd\u5e94\u503c，\u5728\u7a7a\u95f4\u90bb\u57df\u5185\u5bf9\u8fd9\u4e9b\u79bb\u6563\u54cd\u5e94\u8fdb\u884c\u5c40\u90e8\u4e8c\u6b21\u66f2\u9762\u62df\u5408（Quadratic Surface Fitting），\u968f\u540e\u901a\u8fc7\u6c42\u89e3\u8be5\u8fde\u7eed\u4e8c\u6b21\u66f2\u9762\u7684\u6781\u503c\u4f4d\u7f6e，\u83b7\u5f97\u66f4\u52a0\u7cbe\u786e\u7684\u4e9a\u50cf\u7d20\u7ea7\u5173\u952e\u70b9\u5750\u6807\u3002<\/p>\n

\u00a0 \u00a0– \u4e9a\u5c3a\u5ea6\u5b9a\u4f4d：\u5bf9\u4e8e\u67d0\u4e2a\u5019\u9009\u5173\u952e\u70b9，\u7b97\u6cd5\u4f1a\u53d6\u5f53\u524d\u5c3a\u5ea6\u5c42\u7684\u54cd\u5e94\u503c\u3001\u4e0a\u4e0b\u76f8\u90bb\u5c3a\u5ea6\u5c42\u7684\u54cd\u5e94\u503c\u3002\u7531\u4e8e\u56fe\u50cf\u91d1\u5b57\u5854\u4e2d\u7684\u5c3a\u5ea6\u5c42\u672c\u8d28\u4e0a\u662f\u79bb\u6563\u91c7\u6837，\u800c\u771f\u5b9e\u6700\u4f73\u5c3a\u5ea6\u901a\u5e38\u4f4d\u4e8e\u4e24\u4e2a\u5c3a\u5ea6\u5c42\u4e4b\u95f4，\u56e0\u6b64 BRISK \u4f1a\u5229\u7528\u8fd9\u4e09\u4e2a\u54cd\u5e94\u503c，\u5728\u5c3a\u5ea6\u8f74\u4e0a\u62df\u5408\u4e00\u4e2a\u4e00\u5143\u4e8c\u6b21\u51fd\u6570（\u5c40\u90e8\u629b\u7269\u7ebf）\u3002\u901a\u8fc7\u6c42\u53d6\u8be5\u629b\u7269\u7ebf\u7684\u6781\u503c\u4f4d\u7f6e，\u7b97\u6cd5\u53ef\u4ee5\u4f30\u8ba1\u51fa\u8fde\u7eed\u5c3a\u5ea6\u7a7a\u95f4\u4e2d\u7684\u771f\u5b9e\u6781\u503c\u5c3a\u5ea6 \u03c3，\u800c\u4e0d\u662f\u4ec5\u505c\u7559\u5728\u79bb\u6563\u91d1\u5b57\u5854\u5c42\u7ea7\u4e0a\u3002<\/p>\n

\"\"<\/p>\n

（5）\u63cf\u8ff0\u5b50\u8ba1\u7b97\u539f\u7406<\/p>\n

1.\u540c\u5fc3\u5706\u91c7\u6837\u7f51\u7edc<\/p>\n

BRISK \u5728\u5173\u952e\u70b9\u5468\u56f4\u6784\u5efa\u591a\u4e2a\u79bb\u6563\u540c\u5fc3\u5706\u73af，\u6bcf\u4e2a\u5706\u73af\u4e0a\u5747\u5300\u5206\u5e03\u82e5\u5e72\u91c7\u6837\u70b9，\u6574\u4e2a\u91c7\u6837\u7f51\u7edc\u603b\u5171\u5305\u542b N=60\u4e2a\u91c7\u6837\u70b9（\u5305\u62ec\u4e2d\u5fc3\u70b9）\u3002\u8fd9\u4e9b\u91c7\u6837\u70b9\u5728\u7a7a\u95f4\u4e2d\u5f62\u6210\u65cb\u8f6c\u5bf9\u79f0\u7684\u5706\u5f62\u62d3\u6251\u7ed3\u6784，\u56e0\u6b64\u5929\u7136\u9002\u5408\u540e\u7eed\u65cb\u8f6c\u5bf9\u9f50\u64cd\u4f5c\u3002<\/p>\n

\u4e0e BRIEF \u5bf9\u6574\u4e2a patch \u4f7f\u7528\u7edf\u4e00\u5e73\u6ed1\u4e0d\u540c，BRISK \u4e3a\u6bcf\u4e00\u4e2a\u91c7\u6837\u70b9\u5355\u72ec\u7ed1\u5b9a\u5c40\u90e8\u9ad8\u65af\u6838\u3002\u5bf9\u4e8e\u91c7\u6837\u70b9 pi，\u5176\u5bf9\u5e94\u9ad8\u65af\u6838\u5c3a\u5ea6：\u03c3i \u221d di，\u5176\u4e2d di \u4e3a\u91c7\u6837\u70b9\u5230\u5173\u952e\u70b9\u4e2d\u5fc3\u7684\u8ddd\u79bb；\u8ddd\u79bb\u8d8a\u8fdc，\u9ad8\u65af\u6838\u8d8a\u5927\u3002\u56e0\u6b64\u9760\u8fd1\u4e2d\u5fc3\u7684\u91c7\u6837\u70b9\u4fdd\u7559\u66f4\u591a\u9ad8\u9891\u7eb9\u7406\u7ec6\u8282；\u8fdc\u79bb\u4e2d\u5fc3\u7684\u91c7\u6837\u70b9\u8fdb\u884c\u66f4\u5f3a\u5e73\u6ed1，\u4ece\u800c\u6291\u5236\u566a\u58f0\u4e0e\u5c40\u90e8\u6270\u52a8\u3002<\/p>\n

\"\"<\/p>\n

2.\u70b9\u5bf9\u6784\u5efa<\/p>\n

\u5bf9\u4e8e60\u4e2a\u91c7\u6837\u70b9，\u4e24\u4e24\u7ec4\u5408\u53ef\u5f62\u6210 60\u00d759\/2=1770 \u4e2a\u91c7\u6837\u70b9\u5bf9(pi,pj)，BRISK \u6839\u636e\u70b9\u5bf9\u4e4b\u95f4\u7684\u6b27\u6c0f\u8ddd\u79bb d(pi,pj) \u5c06\u8fd9\u4e9b\u70b9\u5bf9\u5212\u5206\u4e3a\u4e24\u7c7b：<\/p>\n

\u77ed\u8ddd\u79bb\u70b9\u5bf9：\u82e5 d(pi\u200b,pj\u200b)<\u03b4max（\u8bbe\u5b9a\u7684\u6700\u5927\u200b\u8ddd\u79bb\u9608\u503c），\u5219\u5c5e\u4e8e\u77ed\u8ddd\u79bb\u70b9\u5bf9\u96c6\u5408 S，\u77ed\u8ddd\u79bb\u70b9\u5bf9\u4e3b\u8981\u53cd\u6620\u5c40\u90e8\u7eb9\u7406\u4e0e\u7ec6\u7c92\u5ea6\u7070\u5ea6\u53d8\u5316，\u56e0\u6b64\u7528\u4e8e\u540e\u7eed\u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50\u7f16\u7801\u3002<\/p>\n

\u957f\u8ddd\u79bb\u70b9\u5bf9：\u82e5：d(pi\u200b,pj\u200b)>\u03b4min （\u8bbe\u5b9a\u7684\u6700\u5c0f\u8ddd\u79bb\u9608\u503c），\u5219\u5c5e\u4e8e\u957f\u8ddd\u79bb\u70b9\u5bf9\u96c6\u5408 L，\u957f\u8ddd\u79bb\u70b9\u5bf9\u7a7a\u95f4\u8de8\u5ea6\u8f83\u5927，\u66f4\u80fd\u53cd\u6620\u5c40\u90e8\u533a\u57df\u6574\u4f53\u7070\u5ea6\u5206\u5e03\u8d8b\u52bf，\u56e0\u6b64\u7528\u4e8e\u65b9\u5411\u4f30\u8ba1\u3002\u200b<\/p>\n

3.\u957f\u8ddd\u79bb\u70b9\u5bf9\u4f30\u8ba1\u4e3b\u65b9\u5411<\/p>\n

\u4f30\u8ba1\u4e3b\u65b9\u5411：\u5bf9\u4e8e\u957f\u8ddd\u79bb\u70b9，\u7b97\u6cd5\u8ba1\u7b97\u4e24\u70b9\u7684\u7070\u5ea6\u5dee I(pj\u200b)\u2212I(pi\u200b)，\u5e76\u7ed3\u5408\u5bf9\u5e94\u7a7a\u95f4\u4f4d\u79fb\u65b9\u5411 (pj\u200b\u2212pi\u200b)，\u6784\u9020\u5c40\u90e8\u65b9\u5411\u5411\u91cf g(pi,pj)，\u5bf9\u6240\u6709\u957f\u8ddd\u79bb\u70b9\u5bf9\u8fdb\u884c\u5411\u91cf\u7d2f\u52a0\"g，\u8be5\u5411\u91cf\u80fd\u591f\u8fd1\u4f3c\u8868\u793a\u5c40\u90e8\u533a\u57df\u6574\u4f53\u7070\u5ea6\u53d8\u5316\u8d8b\u52bf\u3002\u6700\u7ec8\u5173\u952e\u70b9\u4e3b\u65b9\u5411\u5b9a\u4e49\u4e3a\u00a0\"\\\\theta，\u8be5\u65b9\u5411\u7528\u4e8e\u540e\u7eed\u91c7\u6837\u6a21\u5f0f\u65cb\u8f6c，\u4ece\u800c\u5b9e\u73b0\u65cb\u8f6c\u4e0d\u53d8\u6027\u3002<\/p>\n

\u91c7\u6837\u6a21\u5f0f\u65cb\u8f6c\u5bf9\u9f50：\u5728\u83b7\u5f97\u4e3b\u65b9\u5411 \u03b8 \u540e，BRISK \u4f1a\u5bf9\u6574\u4e2a\u91c7\u6837\u7f51\u7edc\u8fdb\u884c\u65cb\u8f6c：\"S_\\\\theta<\/p>\n

，S \u4e3a\u539f\u59cb\u91c7\u6837\u70b9\u96c6\u5408；R\u03b8 \u4e3a\u4e8c\u7ef4\u65cb\u8f6c\u77e9\u9635\u3002\u6ce8\u610f：\u5b9e\u9645\u65cb\u8f6c\u7684\u662f\u91c7\u6837\u5750\u6807，\u800c\u4e0d\u662f\u56fe\u50cf\u672c\u8eab\u3002<\/p>\n

4.\u5229\u7528\u77ed\u8ddd\u79bb\u70b9\u5bf9\u751f\u6210\u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50<\/p>\n

\u5b8c\u6210\u65b9\u5411\u5bf9\u9f50\u540e，BRISK \u4e0d\u518d\u4f7f\u7528\u957f\u8ddd\u79bb\u70b9\u5bf9，\u800c\u662f\u4ec5\u5229\u7528\u77ed\u8ddd\u79bb\u70b9\u5bf9\u96c6\u5408 S \u8fdb\u884c\u5c40\u90e8\u7eb9\u7406\u7f16\u7801\u3002\u77ed\u8ddd\u79bb\u70b9\u5bf9\u7a7a\u95f4\u8ddd\u79bb\u8f83\u5c0f，\u56e0\u6b64\u80fd\u591f\u66f4\u654f\u611f\u5730\u53cd\u6620\u5c40\u90e8\u7eb9\u7406\u7ec6\u8282\u53d8\u5316\u3002\u5bf9\u4e8e\u6bcf\u4e00\u7ec4\u77ed\u8ddd\u79bb\u70b9\u5bf9\u6267\u884c\u7070\u5ea6\u6bd4\u8f83，
\n\"\\\\tau(p_i,p_j)<\/p>\n

，\u6bcf\u6b21\u6bd4\u8f83\u751f\u62101\u4e2abit，\u901a\u5e38\u751f\u6210 512 bit \u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50，\u6700\u7ec8\u6240\u6709bit\u6309\u56fa\u5b9a\u987a\u5e8f\u62fc\u63a5\u5f62\u6210\u5b8c\u6574\u63cf\u8ff0\u5b50\u5411\u91cf：b=(b1,b2,\u2026,b512)\u3002<\/p>\n

\"\"<\/p>\n

（6）\u63cf\u8ff0\u5b50\u5339\u914d\u539f\u7406<\/p>\n

\u540c\u6837\u662f\u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50，\u4e0eORB\u7684\u4e0d\u540c\u4e4b\u5904\u5728\u4e8e BRISK \u5728\u5173\u952e\u70b9\u68c0\u6d4b\u9636\u6bb5\u4f1a\u8f93\u51fa\u7ecf\u8fc7\u4e9a\u50cf\u7d20\u63d2\u503c\u4f18\u5316\u540e\u7684\u5173\u952e\u70b9\u4f4d\u7f6e\u548c\u5173\u952e\u70b9\u5bf9\u5e94\u7684\u8fde\u7eed\u5c3a\u5ea6\u503c \u03c3，\u56e0\u6b64\u53ef\u4ee5\u901a\u8fc7\u5c3a\u5ea6\u6bd4\u503c\u7b5b\u9009，\u4f8b\u5982\u03c31\u200b,\u03c32，
\n\"r=\\\\frac{min(\\\\sigma1,\\\\sigma2)}{max(\\\\sigma1,\\\\sigma2)}\"，\u5982\u679c r>Ts\u200b（Ts\u200b \u4e3a\u7ecf\u9a8c\u5c3a\u5ea6\u9608\u503c），\u5219\u8bf4\u660e\u4e24\u4e2a\u5173\u952e\u70b9\u5c3a\u5ea6\u5dee\u5f02\u8fc7\u5927\u3002\u6b64\u65f6\u7b97\u6cd5\u4f1a\u76f4\u63a5\u62d2\u7edd\u8be5\u5339\u914d\u5019\u9009，\u800c\u4e0d\u518d\u7ee7\u7eed\u8ba1\u7b97\u6c49\u660e\u8ddd\u79bb，\u52a0\u901f\u5339\u914d\u3002<\/p>\n

（7）\u5176\u5b83<\/p>\n

static Ptr<BRISK> cv::BRISK::create(
\n int thresh = 30, \/\/ FAST \u89d2\u70b9\u68c0\u6d4b\u9608\u503c
\n int octaves = 3, \/\/ \u91d1\u5b57\u5854\u5c3a\u5ea6\u5c42\u6570
\n float patternScale = 1.0f \/\/ \u91c7\u6837\u6a21\u5f0f\u7f29\u653e\u6bd4\u4f8b
\n);<\/p>\n\n\u540d\u79f0\u7c7b\u578b\u5c5e\u4e8e\u54ea\u4e2a\u5c42\u7ea7<\/tr>\n\n\n\n\n\n\n\n\n\n\n
FAST<\/td>\nDetector<\/td>\n\u89d2\u70b9\u68c0\u6d4b\u5668<\/td>\n<\/tr>\n
Harris<\/td>\nDetector<\/td>\n\u89d2\u70b9\u68c0\u6d4b\u5668<\/td>\n<\/tr>\n
DoG(SIFT\u524d\u534a\u90e8\u5206)<\/td>\nDetector<\/td>\n\u5c3a\u5ea6\u7a7a\u95f4\u68c0\u6d4b\u5668<\/td>\n<\/tr>\n
Hessian(SURF\u524d\u534a\u90e8\u5206)<\/td>\nDetector<\/td>\nHessian\u68c0\u6d4b\u5668<\/td>\n<\/tr>\n
BRIEF<\/td>\nDescriptor<\/td>\n\u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50<\/td>\n<\/tr>\n
Rotated BRIEF<\/td>\nDescriptor<\/td>\nORB\u63cf\u8ff0\u5b50<\/td>\n<\/tr>\n
FREAK<\/td>\nDescriptor<\/td>\n\u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50<\/td>\n<\/tr>\n
SIFT Descriptor<\/td>\nDescriptor<\/td>\n\u6d6e\u70b9\u63cf\u8ff0\u5b50<\/td>\n<\/tr>\n
SURF Descriptor<\/td>\nDescriptor<\/td>\n\u6d6e\u70b9\u63cf\u8ff0\u5b50<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

SIFT \/ SURF \/ ORB \/ BRISK\u00a0\u662f：Detector + Descriptor \u7684\u7ec4\u5408\u7b97\u6cd5<\/p>\n

1.5 KAZE<\/h5>\n

KAZE（\u65e5\u8bed \u201c\u98ce\u201d，\u53d1\u97f3 \/kaze\/）\u662f 2012 \u5e74 ECCV \u63d0\u51fa\u7684\u975e\u7ebf\u6027\u5c3a\u5ea6\u7a7a\u95f4\u7279\u5f81\u3002<\/p>\n

\u6838\u5fc3：\u4e0d\u7528\u9ad8\u65af\u6a21\u7cca（\u7ebf\u6027）\u6784\u5efa\u5c3a\u5ea6\u7a7a\u95f4，\u7528\u975e\u7ebf\u6027\u6269\u6563\u5efa\u5c3a\u5ea6\u7a7a\u95f4\u3002<\/p>\n

（1）\u4f18\u7f3a\u70b9<\/p>\n

\u4f18\u70b9<\/p>\n

1. \u57fa\u4e8e\u975e\u7ebf\u6027\u6269\u6563（Nonlinear Diffusion）\u6784\u5efa\u5c3a\u5ea6\u7a7a\u95f4，\u80fd\u591f\u5728\u5e73\u5766\u533a\u57df\u5e73\u6ed1\u566a\u58f0\u3001\u5728\u8fb9\u7f18\u533a\u57df\u4fdd\u7559\u7ed3\u6784\u4fe1\u606f\u3002<\/p>\n

2. \u8fb9\u7f18\u4e0e\u7eb9\u7406\u4fdd\u7559\u80fd\u529b\u5f3a，\u7ec6\u8282\u635f\u5931\u660e\u663e\u5c0f\u4e8e\u4f20\u7edf\u9ad8\u65af\u91d1\u5b57\u5854\u3002<\/p>\n

3. \u5728\u5f31\u7eb9\u7406\u3001\u4f4e\u5bf9\u6bd4\u5ea6\u573a\u666f\u4e0b，\u7279\u5f81\u70b9\u7a33\u5b9a\u6027\u901a\u5e38\u4f18\u4e8e SIFT\u3001SURF\u3001ORB\u3002<\/p>\n

4. \u5bf9\u5c3a\u5ea6\u53d8\u5316\u3001\u65cb\u8f6c\u3001\u5149\u7167\u53d8\u5316\u4ee5\u53ca\u4e00\u5b9a\u7a0b\u5ea6\u7684\u5f62\u53d8\u5177\u6709\u8f83\u5f3a\u9c81\u68d2\u6027\u3002<\/p>\n

5. \u5728\u590d\u6742\u7eb9\u7406\u4e0e\u81ea\u7136\u573a\u666f\u4e2d，\u5339\u914d\u7cbe\u5ea6\u8f83\u9ad8\u3002<\/p>\n

\u00a0\u7f3a\u70b9<\/p>\n

1. \u975e\u7ebf\u6027\u6269\u6563 PDE（\u504f\u5fae\u5206\u65b9\u7a0b）\u8ba1\u7b97\u91cf\u8f83\u5927，\u901f\u5ea6\u660e\u663e\u6162\u4e8e ORB\u3001SURF\u3002<\/p>\n

2. \u53c2\u6570\u8f83\u654f\u611f，\u4f8b\u5982\u6269\u6563\u7cfb\u6570\u3001\u5c3a\u5ea6\u5c42\u6570\u3001\u9608\u503c\u7b49\u9700\u8981\u8c03\u8282\u3002<\/p>\n

3. \u9ed8\u8ba4\u63cf\u8ff0\u5b50\u4e3a\u6d6e\u70b9\u63cf\u8ff0\u5b50，\u5185\u5b58\u5360\u7528\u4e0e\u5339\u914d\u5f00\u9500\u8f83\u9ad8\u3002<\/p>\n

4. \u5b9e\u65f6\u6027\u8f83\u5dee，\u4e0d\u9002\u5408\u4f4e\u7b97\u529b\u5d4c\u5165\u5f0f\u5e73\u53f0\u3002<\/p>\n

5. \u5de5\u7a0b\u5b9e\u73b0\u590d\u6742\u5ea6\u9ad8\u4e8e\u4f20\u7edf\u9ad8\u65af\u5c3a\u5ea6\u7a7a\u95f4\u65b9\u6cd5\u3002<\/p>\n

\u4f20\u7edf\u9ad8\u65af\u91d1\u5b57\u5854\u672c\u8d28\u4e0a\u4f1a\u5bf9\u6574\u5e45\u56fe\u50cf\u8fdb\u884c\u5747\u5300\u5e73\u6ed1，\u9ad8\u65af\u662f\u5747\u5300\u6a21\u7cca \u2192 \u8fb9\u7f18\u533a\u57df\u88ab\u6a21\u7cca\u3001\u7eb9\u7406\u7ec6\u8282\u9010\u6e10\u6d88\u5931\u3002KAZE \u5e0c\u671b\u505a\u5230\u5728\u5e73\u5766\u533a\u57df\u8fdb\u884c\u5f3a\u5e73\u6ed1，\u5728\u8fb9\u7f18\u533a\u57df\u5c3d\u53ef\u80fd\u4fdd\u7559\u7ed3\u6784\u4fe1\u606f\u3002<\/p>\n

（2）\u76f8\u5173\u6982\u5ff5<\/p>\n

\u7ebf\u6027\u5c3a\u5ea6\u7a7a\u95f4：\u9ad8\u65af\u6a21\u7cca\u6ee1\u8db3\u7ebf\u6027\u7cfb\u7edf，\u5373 aI1+bI2 \u7ecf\u8fc7\u9ad8\u65af\u7b49\u4e8e aG(I1)+bG(I2)\u3002\u95ee\u9898\u662f\u9ad8\u65af\u6a21\u7cca\u4f1a\u5e73\u7b49\u6a21\u7cca\u6240\u6709\u533a\u57df\u3002<\/p>\n

\u975e\u7ebf\u6027\u5c3a\u5ea6\u7a7a\u95f4：\u6838\u5fc3\u601d\u60f3\u662f\u4e0d\u540c\u533a\u57df，\u4e0d\u540c\u6a21\u7cca\u7a0b\u5ea6，\u8fb9\u7f18\u5c11\u6a21\u7cca，\u5e73\u5766\u533a\u57df\u591a\u6a21\u7cca，\u65e2\u964d\u566a\u53c8\u4fdd\u7559\u8fb9\u7f18，\u4f7f\u7528\u975e\u7ebf\u6027\u6269\u6563\u5b9e\u73b0，\u5178\u578b\u65b9\u6cd5\u6709 Perona-Malik Diffusion\u3002<\/p>\n

\"\"<\/p>\n

\u6269\u6563：\u6269\u6563\u6765\u81ea\u70ed\u4f20\u5bfc\u65b9\u7a0b\u00a0\"\\\\frac{\\\\partial，\u4f8b\u5982\u70ed\u91cf\u4f1a\u4ece\u9ad8\u6e29\u6d41\u5411\u4f4e\u6e29\u3002\u628a\u56fe\u50cf \u201c\u5f53\u6210\u6e29\u5ea6\u573a\u201d ，\u56fe\u50cf\u7684\u7070\u5ea6\u503c I(x,y)，\u5c31\u53ef\u4ee5\u7c7b\u6bd4\u6210\u5e73\u9762\u4e0a\u6bcf\u4e2a\u70b9\u7684 \u201c\u6e29\u5ea6\u201d，\u76f8\u90bb\u50cf\u7d20\u7070\u5ea6\u5dee\u5927 = \u6e29\u5dee\u5927，\u5c31\u4f1a\u4ea7\u751f \u201c\u7070\u5ea6\u6d41\u52a8\u201d \u7684\u8d8b\u52bf\u3002u(x,y,t)：\u7a7a\u95f4\u4e2d\u4f4d\u7f6e (x,y) \u5728\u65f6\u523b t \u7684\u6e29\u5ea6；\u2207u：\u6e29\u5ea6\u68af\u5ea6（\u54ea\u91cc\u6e29\u5dee\u5927，\u70ed\u91cf\u5c31\u5f80\u54ea\u6d41）；k：\u70ed\u4f20\u5bfc\u7cfb\u6570\u3002<\/p>\n

\u7ebf\u6027\u6269\u6563：\u5f53\u70ed\u4f20\u5bfc\u7cfb\u6570 k \u662f\u5e38\u6570\u65f6，\u65b9\u7a0b\u9000\u5316\u4e3a\u7ebf\u6027\u70ed\u4f20\u5bfc\u65b9\u7a0b：\"\\\\frac{\\\\partial，\u0394I\u00a0\u62c9\u666e\u62c9\u65af\u7b97\u5b50\u3002\u800c\u8fd9\u4e2a\u65b9\u7a0b\u7684\u89e3，\u5c31\u662f\u9ad8\u65af\u6a21\u7cca！\u65f6\u95f4 t \u5bf9\u5e94\u9ad8\u65af\u6a21\u7cca\u7684\u6807\u51c6\u5dee \u03c3：\u65f6\u95f4\u8d8a\u957f（t \u8d8a\u5927），\u6a21\u7cca\u7a0b\u5ea6\u8d8a\u9ad8，\u7070\u5ea6\u8d8a\u5747\u5300\u3002\u8fd9\u4e2a\u8fc7\u7a0b，\u5c31\u662f\u7070\u5ea6\u4ece\u9ad8\u503c\u5411\u4f4e\u503c\u6269\u6563，\u6700\u7ec8\u62b9\u5e73\u7ec6\u8282\u548c\u566a\u58f0\u3002<\/p>\n

\u975e\u7ebf\u6027\u6269\u6563：\u5982\u679c\u8ba9\u70ed\u4f20\u5bfc\u7cfb\u6570 k \u4f9d\u8d56\u4e8e\u56fe\u50cf\u68af\u5ea6（\u6bd4\u5982\u68af\u5ea6\u5927\u7684\u5730\u65b9，k \u53d8\u5c0f），\u5c31\u5f97\u5230\u4e86 Perona-Malik \u7b49\u975e\u7ebf\u6027\u6269\u6563：\u5728\u8fb9\u7f18\u5904（\u68af\u5ea6\u5927），\u6269\u6563\u88ab\u6291\u5236，\u7070\u5ea6\u4e0d\u600e\u4e48\u6d41\u52a8 ，\u4fdd\u7559\u8fb9\u7f18；\u5728\u5e73\u5766\u533a\u57df（\u68af\u5ea6\u5c0f），\u6269\u6563\u6b63\u5e38\u8fdb\u884c，\u5e73\u6ed1\u566a\u58f0\u3002<\/p>\n

\u975e\u7ebf\u6027\u6269\u6563\u65f6\u95f4（Diffusion Time）：\u56fe\u50cf\u5728\u975e\u7ebf\u6027\u6269\u6563\u65b9\u7a0b\u4e2d\u201c\u88ab\u5e73\u6ed1\u4e86\u591a\u4e45\u201d\u3002\u8d8a\u5927，\u6269\u6563\u65f6\u95f4\u8d8a\u957f，\u56fe\u50cf\u88ab\u5e73\u6ed1\u5f97\u8d8a\u5389\u5bb3，\u7ec6\u8282\u8d8a\u5c11，\u5bf9\u5e94\u66f4\u5927\u7684\u5c3a\u5ea6\u3002<\/p>\n

\u975e\u7ebf\u6027\u6269\u6563\u9700\u8981\u4e0d\u65ad\u8fed\u4ee3：\u8ba1\u7b97\u56fe\u50cf\u68af\u5ea6；\u6839\u636e\u68af\u5ea6\u66f4\u65b0\u6269\u6563\u7cfb\u6570 c(x,y,t)；\u66f4\u65b0\u50cf\u7d20\u503c；\u518d\u8fdb\u5165\u4e0b\u4e00\u8f6e\u8fed\u4ee3\u3002\u5982\u679c\u76f4\u63a5\u4f7f\u7528\u666e\u901a\u663e\u5f0f\u6570\u503c\u6c42\u89e3（Explicit Scheme）：\u65f6\u95f4\u6b65\u957f\u5fc5\u987b\u5f88\u5c0f；\u8fed\u4ee3\u6b21\u6570\u5f88\u591a；\u7a33\u5b9a\u6027\u8f83\u5dee；\u8ba1\u7b97\u91cf\u4f1a\u975e\u5e38\u5927\u3002<\/p>\n

（3）\u5b8c\u6574\u6d41\u7a0b<\/p>\n

1.\u6784\u5efa\u975e\u7ebf\u6027\u5c3a\u5ea6\u7a7a\u95f4：\u4e0d\u964d\u91c7\u6837，\u53ea\u901a\u8fc7\u6269\u6563\u53d8\u7c97，\u5206\u8fa8\u7387\u5168\u7a0b\u4e0d\u53d8，\u7279\u5f81\u5b9a\u4f4d\u66f4\u51c6\u3001\u5c0f\u7ed3\u6784\u4fdd\u7559\u66f4\u597d\u3002\u7528AOS\u89e3\u6269\u6563\u65b9\u7a0b，\u751f\u62100-N\u5c42，\u8d8a\u5f80\u4e0a\u8d8a\u7c97\u3002<\/p>\n

2.\u68c0\u6d4b\u7279\u5f81\u70b9（Hessian）\u6781\u503c\u3002<\/p>\n

3.\u4e3b\u65b9\u5411\u5206\u914d（\u65cb\u8f6c\u4e0d\u53d8）：\u5173\u952e\u70b9\u90bb\u57df\u7b97\u68af\u5ea6\u65b9\u5411\u76f4\u65b9\u56fe，\u53d6\u4e3b\u5cf0\u4e3a\u4e3b\u65b9\u5411\u3002<\/p>\n

4.\u751f\u6210\u63cf\u8ff0\u5b50（\u6d6e\u70b9）：\u52064*4\u5b50\u5757，\u6bcf\u57578\u65b9\u5411，128\u7ef4\u5411\u91cf，\u5f52\u4e00\u5316（\u4f7f\u5f97\u5149\u7167\u4e0d\u53d8）\u3002<\/p>\n

（4）\u5173\u952e\u70b9\u68c0\u6d4b\u539f\u7406<\/p>\n

1.\u975e\u7ebf\u6027\u5c3a\u5ea6\u7a7a\u95f4： KAZE \u5f15\u5165\u57fa\u4e8e\u504f\u5fae\u5206\u65b9\u7a0b（PDE）\u7684\u975e\u7ebf\u6027\u6269\u6563\u6a21\u578b：\"\\\\frac{\\\\partial，c(x,y,t) \u4e3a\u6269\u6563\u7cfb\u6570，\u4f1a\u6839\u636e\u5c40\u90e8\u68af\u5ea6\u52a8\u6001\u53d8\u5316：\u8fb9\u7f18\u533a\u57df\u68af\u5ea6\u5927 \u2192 \u6269\u6563\u51cf\u5f31；\u5e73\u5766\u533a\u57df\u68af\u5ea6\u5c0f \u2192 \u6269\u6563\u589e\u5f3a\u3002\u56e0\u6b64 KAZE \u7684\u5c3a\u5ea6\u7a7a\u95f4\u80fd\u591f\u5728\u6291\u5236\u566a\u58f0\u7684\u540c\u65f6，\u66f4\u597d\u4fdd\u7559\u76ee\u6807\u8fb9\u7f18\u4e0e\u7eb9\u7406\u7ed3\u6784\u3002\u975e\u7ebf\u6027\u6269\u6563\u672c\u8eab\u9700\u8981\u4e0d\u65ad\u8fed\u4ee3\u6c42\u89e3\u504f\u5fae\u5206\u65b9\u7a0b（\u6bcf\u4e00\u6b65\u90fd\u8981\u7b97\u68af\u5ea6\u3001\u6269\u6563\u7cfb\u6570\u3001\u66f4\u65b0\u50cf\u7d20），\u5982\u679c\u76f4\u63a5\u6570\u503c\u6c42\u89e3，\u8ba1\u7b97\u91cf\u4f1a\u975e\u5e38\u5927，\u4f7f\u7528 AOS \u8fdb\u884c\u5feb\u901f\u6570\u503c\u6c42\u89e3\u3002\u3002<\/p>\n

2.AOS（Additive Operator Splitting，\u52a0\u6027\u7b97\u5b50\u5206\u88c2）：\u5c5e\u4e8e\u9690\u5f0f \/ \u534a\u9690\u5f0f\u6570\u503c\u65b9\u6cd5，
\n\"\\\\frac{L^{t+1}，\u66f4\u65b0\u00a0\"L_{t+1}\" \u65f6，\u53f3\u8fb9\u4e5f\u7528\"L_{t+1}\"（\u672a\u77e5\u91cf），\u6240\u4ee5\u8981\u89e3\u65b9\u7a0b\u3002\"L_{t+1}\"\u540c\u65f6\u51fa\u73b0\u5728\u5de6\u53f3\u4e24\u8fb9 \u2192 \u9690\u5f0f\u3002<\/p>\n

3.Hessian \u54cd\u5e94\u5173\u952e\u70b9\u3001\u5c3a\u5ea6\u7a7a\u95f4\u6781\u503c\u68c0\u6d4b\u3002<\/p>\n

\u5982\u4f55\u4fdd\u8bc1\u5c3a\u5ea6\u4e0d\u53d8\u6027：\u975e\u7ebf\u6027\u6269\u6563\"\\\\frac{\\\\partial，\u8fd9\u91cc\u7684 t \u5c31\u662f\u6269\u6563\u65f6\u95f4，\u968f\u7740\u6269\u6563\u65f6\u95f4 t \u7684\u589e\u5927，\u56fe\u50cf\u4f1a\u8d8a\u6765\u8d8a\u5e73\u6ed1（\u5c0f\u7ed3\u6784\u9010\u6e10\u6d88\u5931），\u56e0\u6b64\u4e0d\u540c\u6269\u6563\u65f6\u95f4 = \u4e0d\u540c\u89c2\u5bdf\u5c3a\u5ea6\u3002KAZE\u5728\u591a\u4e2a\u5c3a\u5ea6\u4e0a\u68c0\u6d4b\u5173\u952e\u70b9，\u5373\u7b97\u6cd5\u4f1a\u5728 t1,t2,t3… \u591a\u4e2a\u6269\u6563\u5c42\u4e2d\u5bfb\u627e\u5c3a\u5ea6\u7a7a\u95f4\u6781\u503c，\u5982\u679c\u67d0\u7ed3\u6784\u5728\u67d0\u4e2a\u6269\u6563\u5c3a\u5ea6\u4e0b\u54cd\u5e94\u6700\u5f3a，\u90a3\u4e48\u8be5\u5c3a\u5ea6\u5c31\u88ab\u8bb0\u5f55\u4e3a\u7279\u5f81\u70b9\u5c3a\u5ea6\u03c3\u3002<\/p>\n

4.\u4e9a\u50cf\u7d20\u4e0e\u4e9a\u5c3a\u5ea6\u7cbe\u7ec6\u5316：<\/p>\n

\u00a0– KAZE \u4f1a\u5728\u7a7a\u95f4\u90bb\u57df\u5185\u5bf9 Hessian \u54cd\u5e94\u8fdb\u884c\u5c40\u90e8\u4e8c\u6b21\u66f2\u9762\u62df\u5408（Quadratic Surface Fitting），\u901a\u8fc7\u6c42\u53d6\u8fde\u7eed\u66f2\u9762\u7684\u6781\u503c\u4f4d\u7f6e，\u5b9e\u73b0\u5173\u952e\u70b9\u7684\u4e9a\u50cf\u7d20\u7ea7\u5b9a\u4f4d\u3002<\/p>\n

\u00a0– KAZE \u540c\u65f6\u4f1a\u5728\u5c3a\u5ea6\u8f74\u4e0a\u5bf9\u76f8\u90bb\u5c3a\u5ea6\u5c42\u54cd\u5e94\u8fdb\u884c\u63d2\u503c\u62df\u5408，\u4ece\u800c\u4f30\u8ba1\u8fde\u7eed\u5c3a\u5ea6\u7a7a\u95f4\u4e2d\u7684\u771f\u5b9e\u6781\u503c\u5c3a\u5ea6 \u03c3，\u63d0\u9ad8\u5c3a\u5ea6\u4f30\u8ba1\u7a33\u5b9a\u6027\u3002<\/p>\n

（5）\u4e3b\u65b9\u5411\u4f30\u8ba1\u539f\u7406<\/p>\n

\u65b9\u5411\u4f30\u8ba1\u65b9\u6cd5\u4e0e SURF \u8f83\u4e3a\u63a5\u8fd1，\u4e3b\u8981\u57fa\u4e8e\u5c40\u90e8\u68af\u5ea6\u7edf\u8ba1\u3002\u5728\u5173\u952e\u70b9\u5468\u56f4\u90bb\u57df\u5185，\u8ba1\u7b97\u50cf\u7d20 x,y \u65b9\u5411\u68af\u5ea6\u5e76\u4f7f\u7528\u9ad8\u65af\u51fd\u6570\u52a0\u6743\u3002\u4f7f\u7528\u6ed1\u52a8\u89d2\u5ea6\u7a97\u53e3，\u7edf\u8ba1\u7a97\u53e3\u5185\u68af\u5ea6\u5411\u91cf\u603b\u548c，\u68af\u5ea6\u5411\u91cf\u548c\u6700\u5927\u7684\u65b9\u5411\u88ab\u5b9a\u4e49\u4e3a\u5173\u952e\u70b9\u4e3b\u65b9\u5411\u3002<\/p>\n

（6）\u63cf\u8ff0\u5b50\u8ba1\u7b97\u539f\u7406<\/p>\n

KAZE \u9ed8\u8ba4\u4f7f\u7528\u57fa\u4e8e SURF \u6539\u8fdb\u7684\u6d6e\u70b9\u63cf\u8ff0\u5b50，\u5176\u6838\u5fc3\u601d\u60f3\u662f：\u5728\u5173\u952e\u70b9\u90bb\u57df\u7edf\u8ba1\u5c40\u90e8\u68af\u5ea6\u5206\u5e03，\u5e76\u7f16\u7801\u5c40\u90e8\u7ed3\u6784\u4fe1\u606f\u3002<\/p>\n

1.\u65b9\u5411\u5bf9\u9f50\u90bb\u57df：\u5728\u83b7\u5f97\u5173\u952e\u70b9\u4e3b\u65b9\u5411\u4e4b\u540e，KAZE \u4f1a\u4ee5\u5173\u952e\u70b9\u4e3a\u4e2d\u5fc3，\u5c06\u5706\u5f62\u90bb\u57df\u6574\u4f53\u4f9d\u7167\u6c42\u89e3\u51fa\u7684\u4e3b\u65b9\u5411\u505a\u65cb\u8f6c\u53d8\u6362\u3002<\/p>\n

2.\u5b50\u533a\u57df\u5212\u5206：\u5c06\u5c40\u90e8\u90bb\u57df\u5212\u5206\u4e3a\u591a\u4e2a\u5b50\u533a\u57df，\u4f8b\u59824*4\u7f51\u683c\u3002\u6bcf\u4e2a\u5b50\u533a\u57df\u5206\u522b\u7edf\u8ba1\u5c40\u90e8\u68af\u5ea6\u4fe1\u606f\u3002<\/p>\n

3.\u68af\u5ea6\u7edf\u8ba1\u7f16\u7801：\u5bf9\u4e8e\u6bcf\u4e2a\u5b50\u533a\u57df，\u7edf\u8ba1：\u2211dx\u3001\u2211dy\u3001\u2211\u2223dx\u2223\u3001\u2211\u2223dy\u2223，\u8fd9\u4e9b\u7edf\u8ba1\u91cf\u80fd\u591f\u53cd\u6620\u5c40\u90e8\u8fb9\u7f18\u65b9\u5411\u3001\u7070\u5ea6\u53d8\u5316\u5f3a\u5ea6\u3001\u7eb9\u7406\u7ed3\u6784\u5206\u5e03\u3002<\/p>\n

4.\u6d6e\u70b9\u63cf\u8ff0\u5b50\u751f\u6210：\u5c06\u6240\u6709\u5b50\u533a\u57df\u7684\u56db\u7ef4\u7edf\u8ba1\u91cf\u4f9d\u6b21\u62fc\u63a5\u7ec4\u5408，\u5f62\u6210\u56fa\u5b9a\u7ef4\u5ea6\u6d6e\u70b9\u5411\u91cf\u300216 \u4e2a\u5b50\u533a\u57df\u53ef\u751f\u621064 \u7ef4\u6d6e\u70b9\u63cf\u8ff0\u5b50，\u7ec6\u5206\u91c7\u6837\u53ef\u6269\u5c55\u4e3a 128 \u7ef4\u6d6e\u70b9\u63cf\u8ff0\u5b50\u3002<\/p>\n

1.6 AKAZE（Accelerated KAZE）<\/h5>\n

\u52a0\u901f\u7248 KAZE \u7279\u5f81，\u5176\u6838\u5fc3\u76ee\u6807\u662f\u5728\u4fdd\u7559 KAZE \u975e\u7ebf\u6027\u5c3a\u5ea6\u7a7a\u95f4\u4f18\u52bf\u7684\u540c\u65f6，\u5927\u5e45\u63d0\u9ad8\u5b9e\u65f6\u6027\u80fd\u3002\u4fdd\u7559\u975e\u7ebf\u6027\u6269\u6563\u5c3a\u5ea6\u7a7a\u95f4，\u4f46\u91c7\u7528\u66f4\u9ad8\u6548\u7684\u5c40\u90e8\u4e8c\u503c\u63cf\u8ff0\u5b50\u3002<\/p>\n

KAZE \u7684\u75db\u70b9：1.\u7528 AOS \u9690\u5f0f\u6c42\u89e3 \u975e\u7ebf\u6027\u6269\u6563，\u8fed\u4ee3\u91cd\u3001\u8ba1\u7b97\u6781\u6162\u30022.\u63cf\u8ff0\u5b50\u662f\u6d6e\u70b9\u5411\u91cf，\u5339\u914d\u6162\u30023.\u65e0\u6cd5\u5b9e\u65f6\u7528\u4e8e\u89c6\u9891 \/ SLAM\u3002<\/p>\n

AKAZE \u5c31\u662f\u9488\u5bf9\u6027\u628a\u8fd9\u4e24\u4e2a\u74f6\u9888\u6362\u6389：1.\u6362\u6269\u6563\u6c42\u89e3\u65b9\u5f0f：AOS \u2192 FED\u30022.\u6362\u63cf\u8ff0\u5b50：\u6d6e\u70b9 \u2192 \u4e8c\u8fdb\u5236 M-LDB<\/p>\n

（1）\u5b8c\u6574\u6d41\u7a0b<\/p>\n

1.FED \u6784\u5efa\u975e\u7ebf\u6027\u5c3a\u5ea6\u7a7a\u95f4：\u4e0d\u9ad8\u65af\u6a21\u7cca，\u8fb9\u7f18\u4fdd\u62a4\u5f0f\u5e73\u6ed1，\u4e0d\u964d\u91c7\u6837\u3002<\/p>\n

2.Hessian \u77e9\u9635\u68c0\u6d4b\u5173\u952e\u70b9：\u548c KAZE \u4e00\u6837，\u5c3a\u5ea6\u7a7a\u95f4\u6781\u503c\u68c0\u6d4b\u3002<\/p>\n

3.\u8ba1\u7b97\u7279\u5f81\u4e3b\u65b9\u5411：\u4fdd\u8bc1\u65cb\u8f6c\u4e0d\u53d8\u3002<\/p>\n

4.\u751f\u6210 MLDB \u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50：\u6700\u7ec8\u5f97\u5230\u4e8c\u8fdb\u5236\u7279\u5f81\u5411\u91cf\u3002<\/p>\n

（2）\u5173\u952e\u70b9\u68c0\u6d4b\u539f\u7406<\/p>\n

1.\u6784\u5efa\u975e\u7ebf\u6027\u5c3a\u5ea6\u7a7a\u95f4\u3002<\/p>\n

2.Fast Explicit Diffusion（FED）\u52a0\u901f\u6269\u6563：\u6838\u5fc3\u76ee\u6807\u662f\u51cf\u5c11\u6269\u6563\u8fed\u4ee3\u6b21\u6570，\u540c\u65f6\u4fdd\u6301\u7a33\u5b9a\u6027\u3002\"L_{t+1}，\u03c4 \u662f\u65f6\u95f4\u6b65\u957f，A(\u22c5) \u5dee\u5206\u8fd1\u4f3c\u7684\u62c9\u666e\u62c9\u65af，\u53f3\u8fb9\u5168\u662f\"L_t\" （\u5df2\u77e5）\u2192 \u663e\u5f0f,，\u4e0d\u9700\u8981\u89e3\u65b9\u7a0b，\u76f4\u63a5\u663e\u5f0f\u66f4\u65b0\u3002\u666e\u901a\u65b9\u6cd5\u65f6\u95f4\u6b65\u957f\u6bcf\u6b65\u90fd\u5f88\u5c0f，FED \u4f7f\u7528\u4e00\u7ec4\u7279\u6b8a\u8bbe\u8ba1\u7684\u53d8\u5316\u6b65\u957f，\u5141\u8bb8\u67d0\u4e9b\u6b65\u9aa4\u8de8\u5ea6\u6269\u6563\u3002<\/p>\n

\"\"<\/p>\n

3. Hessian \u54cd\u5e94\u5173\u952e\u70b9\u68c0\u6d4b\u3001\u5c3a\u5ea6\u7a7a\u95f4\u6781\u503c\u68c0\u6d4b\u3001\u4e9a\u50cf\u7d20\u4e0e\u4e9a\u5c3a\u5ea6\u5b9a\u4f4d\u3002<\/p>\n

4.\u4e3b\u65b9\u5411\u4f30\u8ba1：AKAZE \u7684\u65b9\u5411\u4f30\u8ba1\u4e0e KAZE \u57fa\u672c\u4e00\u81f4\u3002\u7b97\u6cd5\u5728\u5173\u952e\u70b9\u90bb\u57df\u5185\u7edf\u8ba1\u5c40\u90e8\u68af\u5ea6\u65b9\u5411，\u5e76\u5bfb\u627e\u4e3b\u5bfc\u65b9\u5411 \u03b8，\u968f\u540e\u91c7\u6837\u6a21\u5f0f\u4f1a\u56f4\u7ed5\u8be5\u65b9\u5411\u8fdb\u884c\u65cb\u8f6c\u5bf9\u9f50\u3002<\/p>\n

（3）\u63cf\u8ff0\u5b50\u8ba1\u7b97\u539f\u7406<\/p>\n

MLDB（Modified Local Difference Binary） \u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50，\u76ee\u6807\u662f\u5728\u4fdd\u6301 KAZE \u9c81\u68d2\u6027\u7684\u540c\u65f6，\u5927\u5e45\u63d0\u5347\u5339\u914d\u901f\u5ea6\u3002<\/p>\n

1.\u65cb\u8f6c\u5bf9\u9f50\u90bb\u57df：\u6839\u636e\u5173\u952e\u70b9\u65b9\u5411\u5bf9\u5c40\u90e8\u90bb\u57df\u8fdb\u884c\u65cb\u8f6c\u5bf9\u9f50\u3002<\/p>\n

2.\u7f51\u683c\u533a\u57df\u5212\u5206：\u5c06\u5c40\u90e8\u90bb\u57df\u5212\u5206\u4e3a\u591a\u4e2a\u5b50\u533a\u57df\u3002\u666e\u901a\u7684\u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50（\u5982BRIEF\u3001ORB）\u53ea\u5bf9\u6bd4\u50cf\u7d20\u70b9\u7684\u7070\u5ea6\u503c\u3002\u800cM-LDB\u5bf9\u6bcf\u4e2a\u5b50\u7f51\u683c\u5185\u90e8\u7684\u6240\u6709\u50cf\u7d20\u8fdb\u884c\u7edf\u8ba1，\u53d6\u51fa\u4e09\u4e2a\u901a\u9053\u7684\u4fe1\u606f：\u5355\u5143\u683c\u5185\u5e73\u5747\u7070\u5ea6\u503c\u3001x\u65b9\u5411\u5e73\u5747\u68af\u5ea6\u3001y\u65b9\u5411\u5e73\u5747\u68af\u5ea6\u3002<\/p>\n

3.\u5b50\u5757\u95f4\u4e8c\u503c\u6bd4\u8f83\u751f\u6210\u63cf\u8ff0\u5b50：\u5728\u83b7\u5f97\u5404\u5b50\u533a\u57df\u7edf\u8ba1\u7279\u5f81\u540e，M-LDB \u4f1a\u5bf9\u5b50\u533a\u57df\u4e4b\u95f4\u7684\u4e0d\u540c\u901a\u9053\u8fdb\u884c\u4e24\u4e24\u6bd4\u8f83，\u6240\u6709\u6bd4\u8f83\u7ed3\u679c\u6309\u56fa\u5b9a\u987a\u5e8f\u62fc\u63a5\u5f62\u6210\u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50，\u5e38\u89c1\u957f\u5ea6\u5305\u62ec 256 bit\u3001486bit\u3001\u53ef\u914d\u7f6e\u957f\u5ea6\u3002<\/p>\n

\"\"<\/p>\n

（4）\u5176\u5b83<\/p>\n\n\u9879\u76eeKAZEAKAZE<\/tr>\n\n\n\n\n\n\n\n\n\n\n\n
\u5c3a\u5ea6\u7a7a\u95f4<\/td>\n\u975e\u7ebf\u6027\u6269\u6563<\/td>\n\u975e\u7ebf\u6027\u6269\u6563<\/td>\n<\/tr>\n
PDE\u6c42\u89e3\u65b9\u5f0f<\/td>\nAOS<\/td>\nFED<\/td>\n<\/tr>\n
\u68c0\u6d4b\u5668<\/td>\nHessian<\/td>\nHessian<\/td>\n<\/tr>\n
\u63cf\u8ff0\u5b50\u7c7b\u578b<\/td>\n\u6d6e\u70b9\u63cf\u8ff0\u5b50<\/td>\n\u4e8c\u8fdb\u5236MLDB<\/td>\n<\/tr>\n
\u5339\u914d\u8ddd\u79bb<\/td>\n\u6b27\u6c0f\u8ddd\u79bb<\/td>\n\u6c49\u660e\u8ddd\u79bb<\/td>\n<\/tr>\n
\u5339\u914d\u901f\u5ea6<\/td>\n\u8f83\u6162<\/td>\n\u66f4\u5feb<\/td>\n<\/tr>\n
\u5c3a\u5ea6\u7a7a\u95f4\u7cbe\u5ea6<\/td>\n\u66f4\u9ad8<\/td>\n\u7565\u4f4e<\/td>\n<\/tr>\n
\u9c81\u68d2\u6027<\/td>\n\u66f4\u9ad8<\/td>\n\u8f83\u9ad8<\/td>\n<\/tr>\n
\u5b9e\u65f6\u6027<\/td>\n\u4e00\u822c<\/td>\n\u66f4\u5f3a<\/td>\n<\/tr>\n
\u9002\u5408\u573a\u666f<\/td>\n\u9ad8\u7cbe\u5ea6\u5339\u914d<\/td>\n\u5b9e\u65f6SLAM\/VO<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

\u76f8\u5173\u51fd\u6570：<\/p>\n

void detectAndCompute(InputArray image, InputArray mask, std::vector<KeyPoint>& keypoints, OutputArray descriptors, bool useProvidedKeypoints = false);
\n\u529f\u80fd：\u68c0\u6d4b\u5173\u952e\u70b9+\u8ba1\u7b97\u63cf\u8ff0\u5b50<\/p>\n

Mat cv::imread(const String& filename, int flags = IMREAD_COLOR);
\n\u529f\u80fd：\u4ece\u6307\u5b9a\u8def\u5f84\u8bfb\u53d6\u56fe\u50cf\u3002<\/p>\n

void cv::resize(InputArray src, OutputArray dst, Size dsize, double fx = 0, double fy = 0, int interpolation = INTER_LINEAR);
\n\u529f\u80fd：\u5c06\u56fe\u50cf\u7f29\u653e\u5230\u6307\u5b9a\u5c3a\u5bf8\u3002<\/p>\n

void cv::Feature2D::detectAndCompute(InputArray image, InputArray mask, std::vector<KeyPoint>& keypoints, OutputArray descriptors, bool useProvidedKeypoints = false);
\n\u529f\u80fd：\u68c0\u6d4b\u56fe\u50cf\u5173\u952e\u70b9\u5e76\u8ba1\u7b97\u5bf9\u5e94\u7684\u63cf\u8ff0\u5b50\u3002<\/p>\n

void cv::drawKeypoints(InputArray image, const std::vector<KeyPoint>& keypoints, InputOutputArray outImage, const Scalar& color = Scalar::all(-1), int flags = DrawMatchesFlags::DEFAULT);
\n\u529f\u80fd：\u5728\u56fe\u50cf\u4e0a\u7ed8\u5236\u68c0\u6d4b\u5230\u7684\u7279\u5f81\u70b9\u3002<\/p>\n

void cv::imshow(const String& winname, InputArray mat);
\n\u529f\u80fd：\u5728\u6307\u5b9a\u7a97\u53e3\u4e2d\u663e\u793a\u56fe\u50cf\u3002<\/p>\n

int waitKey(int delay = 0);
\n\u529f\u80fd：\u7b49\u5f85\u952e\u76d8\u8f93\u5165<\/p>\n\n\u5b8c\u6574\u7279\u5f81\u7b97\u6cd5Detector（\u5173\u952e\u70b9\u68c0\u6d4b）Descriptor（\u63cf\u8ff0\u5b50）\u63cf\u8ff0\u5b50\u7c7b\u578b\u6838\u5fc3\u7279\u70b9\u4f18\u70b9\u7f3a\u70b9\u5178\u578b\u573a\u666f<\/tr>\n\n\n\n\n\n\n\n\n\n
SIFT<\/td>\nDoG（\u9ad8\u65af\u5dee\u5206）<\/td>\nSIFT Descriptor<\/td>\n\u6d6e\u70b9\u578b（128\u7ef4）<\/td>\n\u5c3a\u5ea6\u7a7a\u95f4\u6781\u503c + \u68af\u5ea6\u65b9\u5411\u76f4\u65b9\u56fe<\/td>\n\u7cbe\u5ea6\u548c\u9c81\u68d2\u6027\u6781\u5f3a<\/td>\n\u901f\u5ea6\u6162\u3001\u5185\u5b58\u5927<\/td>\n\u9ad8\u7cbe\u5ea6\u914d\u51c6\u3001SfM\u3001\u4e09\u7ef4\u91cd\u5efa<\/td>\n<\/tr>\n
SURF<\/td>\nHessian Detector<\/td>\nSURF Descriptor<\/td>\n\u6d6e\u70b9\u578b（64\/128\u7ef4）<\/td>\n\u79ef\u5206\u56fe + Box Filter \u52a0\u901f<\/td>\n\u6bd4 SIFT \u5feb<\/td>\n\u7cbe\u5ea6\u7565\u4f4e\u4e8e SIFT<\/td>\n\u56fe\u50cf\u62fc\u63a5\u3001\u76ee\u6807\u8bc6\u522b<\/td>\n<\/tr>\n
ORB<\/td>\nFAST + \u91d1\u5b57\u5854<\/td>\nRotated BRIEF<\/td>\n\u4e8c\u8fdb\u5236<\/td>\nFAST + \u7070\u5ea6\u8d28\u5fc3 + BRIEF\u65cb\u8f6c<\/td>\n\u6781\u5feb\u3001\u5b9e\u65f6\u6027\u5f3a<\/td>\n\u5927\u5c3a\u5ea6\u900f\u89c6\u8f83\u5f31<\/td>\nORB-SLAM\u3001\u5b9e\u65f6\u8ddf\u8e2a<\/td>\n<\/tr>\n
BRISK<\/td>\nFAST \u591a\u5c3a\u5ea6\u68c0\u6d4b<\/td>\nBRISK Descriptor<\/td>\n\u4e8c\u8fdb\u5236（512bit）<\/td>\n\u73af\u5f62\u91c7\u6837 + \u957f\u8ddd\u79bb\u70b9\u5bf9\u65b9\u5411\u4f30\u8ba1<\/td>\n\u5c3a\u5ea6\u9c81\u68d2\u6027\u5f3a\u4e8e ORB<\/td>\n\u7565\u6162\u4e8e ORB<\/td>\n\u65e0\u4eba\u673a\u89c6\u89c9\u3001\u5b9e\u65f6\u914d\u51c6<\/td>\n<\/tr>\n
AKAZE<\/td>\n\u975e\u7ebf\u6027\u5c3a\u5ea6\u7a7a\u95f4(FED)<\/td>\nM-LDB<\/td>\n\u4e8c\u8fdb\u5236<\/td>\n\u975e\u7ebf\u6027\u6269\u6563\u91d1\u5b57\u5854<\/td>\n\u7cbe\u5ea6\u9ad8\u4e8e ORB<\/td>\n\u7406\u8bba\u8f83\u590d\u6742<\/td>\n\u5de5\u4e1a\u89c6\u89c9\u3001SLAM<\/td>\n<\/tr>\n
KAZE<\/td>\n\u975e\u7ebf\u6027\u5c3a\u5ea6\u7a7a\u95f4<\/td>\nKAZE Descriptor<\/td>\n\u6d6e\u70b9\u578b<\/td>\n\u4fdd\u8fb9\u7f18\u5c3a\u5ea6\u7a7a\u95f4<\/td>\n\u8fb9\u7f18\u4fdd\u6301\u80fd\u529b\u5f3a<\/td>\n\u8f83\u6162<\/td>\n\u9ad8\u7cbe\u5ea6\u56fe\u50cf\u914d\u51c6<\/td>\n<\/tr>\n
SuperPoint<\/td>\n\u795e\u7ecf\u7f51\u7edc\u5b66\u4e60<\/td>\n\u795e\u7ecf\u7f51\u7edc\u5b66\u4e60<\/td>\n\u6d6e\u70b9\u578b<\/td>\nDetector+Descriptor \u8054\u5408\u5b66\u4e60<\/td>\n\u5f31\u7eb9\u7406\u9c81\u68d2\u6027\u5f3a<\/td>\n\u9700\u8981GPU<\/td>\n\u6df1\u5ea6SLAM\u3001SfM<\/td>\n<\/tr>\n
LoFTR<\/td>\n\u65e0\u663e\u5f0f\u5173\u952e\u70b9<\/td>\nTransformer Dense Matching<\/td>\n\u6df1\u5ea6\u7279\u5f81<\/td>\n\u76f4\u63a5\u7a20\u5bc6\u5339\u914d<\/td>\n\u5f31\u7eb9\u7406\/\u5927\u89c6\u89d2\u6781\u5f3a<\/td>\n\u975e\u5e38\u8017\u7b97\u529b<\/td>\n\u5927\u89c6\u89d2\u914d\u51c6\u3001\u590d\u6742\u573a\u666f\u5339\u914d<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

SURF\u5173\u952e\u70b9\u662f\u6591\u70b9\u578b，\u5706\u5f62，\u534a\u5f84\u8868\u793a\u5c3a\u5ea6\u3002ORB\u5173\u952e\u70b9\u7279\u5f81\u662f\u89d2\u70b9，\u5c0f\u5706\u70b9+\u65b9\u5411\u7ebf\u6bb5（\u65e0\u5c3a\u5ea6\u5706）\u3002BRISK\u5173\u952e\u70b9\u662f\u6591\u70b9\/\u89d2\u70b9，\u540c\u5fc3\u5706+\u8f90\u5c04\u72b6\u91c7\u6837\u70b9，\u540c\u5fc3\u5706\u534a\u5f84\u8868\u793a\u5c3a\u5ea6\u3002KAZE\u5173\u952e\u70b9\u662f\u6591\u70b9\/\u89d2\u70b9，\u692d\u5706\/\u5706，\u5706\u534a\u5f84\u5bf9\u5e94\u975e\u7ebf\u6027\u5c3a\u5ea6\u3002AKAZE，\u6bd4KAZE\u66f4\u5c0f，\u534a\u5f84\u5c0f\u3002<\/p>\n

1.2 \u57fa\u4e8e\u7ebf\/\u8fb9\u7f18\u7684\u65b9\u6cd5<\/h4>\n

\u4e0d\u63d0\u53d6\u5173\u952e\u70b9，\u800c\u662f\u76f4\u63a5\u5229\u7528\u8fb9\u7f18\u4f4d\u7f6e\u3001\u8fb9\u7f18\u65b9\u5411\u3001\u8fb9\u7f18\u5f62\u72b6\u5b8c\u6210\u5339\u914d<\/p>\n

（1）\u4f18\u7f3a\u70b9<\/p>\n

\u4f18\u70b9<\/p>\n

  • \u9002\u914d\u5f31\u7eb9\u7406\u573a\u666f：\u7eaf\u8272\u5899\u9762\u3001\u8d70\u5eca\u3001\u5efa\u7b51\u5916\u7acb\u9762\u7b49\u7f3a\u5c11\u89d2\u70b9\u7684\u73af\u5883\u4e2d，\u4ecd\u53ef\u7a33\u5b9a\u63d0\u53d6\u76f4\u7ebf\u8fb9\u7f18\u7279\u5f81，\u5f25\u8865\u70b9\u7279\u5f81\u5931\u6548\u7f3a\u9677\u3002<\/li>\n
  • \u5149\u7167\u4e0e\u8f7b\u5fae\u6a21\u7cca\u9c81\u68d2\u6027\u5f3a：\u8fb9\u7f18\u7531\u7070\u5ea6\u5267\u70c8\u8df3\u53d8\u5f62\u6210，\u5c0f\u5e45\u4eae\u5ea6\u6ce2\u52a8\u3001\u8f7b\u5ea6\u8fd0\u52a8\u6a21\u7cca\u4e0d\u4f1a\u6539\u53d8\u8fb9\u7f18\u4f4d\u7f6e\u4e0e\u8d70\u5411，\u7279\u5f81\u7a33\u5b9a\u6027\u66f4\u9ad8\u3002<\/li>\n
  • \u51e0\u4f55\u7ea6\u675f\u80fd\u529b\u66f4\u5f3a：\u7ebf\u6bb5\u5177\u5907\u957f\u5ea6\u3001\u89d2\u5ea6\u3001\u7a7a\u95f4\u5939\u89d2\u591a\u7ef4\u4fe1\u606f，\u76f8\u6bd4\u5355\u70b9\u7279\u5f81\u7ea6\u675f\u66f4\u4e30\u5bcc，\u6709\u6548\u63d0\u5347\u4f4d\u59ff\u6c42\u89e3\u7cbe\u5ea6\u3002<\/li>\n
  • \u8010\u53d7\u5c40\u90e8\u906e\u6321：\u7ebf\u6bb5\u4ec5\u5c40\u90e8\u88ab\u906e\u6321\u65f6，\u5269\u4f59\u6709\u6548\u7ebf\u6bb5\u4ecd\u53ef\u5efa\u7acb\u5339\u914d\u5173\u7cfb，\u6b63\u5e38\u5b8c\u6210\u4f4d\u59ff\u7ea6\u675f\u8ba1\u7b97\u3002<\/li>\n

    \u7f3a\u70b9<\/p>\n

  • \u8fd0\u7b97\u5f00\u9500\u5927\u5b9e\u65f6\u6027\u5dee：LSD \u7ebf\u6bb5\u68c0\u6d4b\u3001LBD \u7ebf\u6bb5\u63cf\u8ff0\u5b50\u8ba1\u7b97\u590d\u6742\u5ea6\u8fdc\u9ad8\u4e8e\u70b9\u7279\u5f81，\u63d0\u53d6\u4e0e\u5339\u914d\u8017\u65f6\u4e45，\u96be\u4ee5\u6ee1\u8db3\u9ad8\u5b9e\u65f6\u6027\u9700\u6c42\u3002<\/li>\n
  • \u7ebf\u6bb5\u5f62\u6001\u6613\u53d7\u5e72\u6270：\u53d7\u89c6\u89d2\u53d8\u6362\u3001\u9634\u5f71\u906e\u6321\u5f71\u54cd，\u540c\u4e00\u7269\u7406\u76f4\u7ebf\u6613\u51fa\u73b0\u5206\u6bb5\u65ad\u88c2\u3001\u7aef\u70b9\u504f\u79fb\u95ee\u9898，\u5927\u5e45\u589e\u52a0\u5339\u914d\u96be\u5ea6\u3002<\/li>\n
  • \u5efa\u6a21\u590d\u6742\u6613\u51fa\u73b0\u8fd0\u52a8\u9000\u5316：\u7ebf\u6bb5\u53c2\u6570\u5316\u7ef4\u5ea6\u9ad8\u4e8e\u7279\u5f81\u70b9，\u6570\u5b66\u5efa\u6a21\u96be\u5ea6\u66f4\u5927；\u76f8\u673a\u6cbf\u7ebf\u6bb5\u5e73\u884c\u65b9\u5411\u8fd0\u52a8\u65f6，\u6781\u6613\u51fa\u73b0\u4f4d\u59ff\u6c42\u89e3\u9000\u5316\u73b0\u8c61\u3002<\/li>\n

    \u9002\u7528\u573a\u666f<\/p>\n

  • \u5ba4\u5185\u8d70\u5eca\u3001\u529e\u516c\u533a\u7b49\u7ed3\u6784\u5316\u5ba4\u5185\u73af\u5883，\u4ee5\u53ca\u57ce\u5e02\u4eba\u9020\u5efa\u7b51\u573a\u666f\u3002<\/li>\n
  • \u4f4e\u7eb9\u7406\u3001\u9ad8\u7ed3\u6784\u5316，\u70b9\u7279\u5f81\u65e0\u6cd5\u6b63\u5e38\u5de5\u4f5c\u7684\u89c6\u89c9\u573a\u666f\u3002<\/li>\n
  • \u70b9\u7ebf\u878d\u5408 VO \u4e0e PL-SLAM \u7cfb\u7edf，\u534f\u540c\u70b9\u7279\u5f81\u63d0\u5347\u4eba\u9020\u573a\u666f\u5b9a\u4f4d\u5efa\u56fe\u7a33\u5b9a\u6027\u3002<\/li>\n

    （2）\u6574\u4f53\u6d41\u7a0b<\/p>\n

    1.\u8fb9\u7f18\/\u7ebf\u7279\u5f81\u63d0\u53d6：\u5148\u4ece\u8fb9\u7f18\/\u7ebf\u7279\u5f81\u4e2d\u63d0\u53d6\u8fb9\u7f18\/\u7ebf\u6bb5\/\u95ed\u5408\u8f6e\u5ed3\u3002\u5178\u578b\u65b9\u6cd5\u5982\u4e0b：<\/p>\n\n\u7c7b\u578b\u65b9\u6cd5<\/tr>\n\n\n\n\n\n
    \u8fb9\u7f18\u68c0\u6d4b<\/td>\nCanny\u3001Sobel\u3001Laplacian<\/td>\n<\/tr>\n
    \u7ebf\u68c0\u6d4b<\/td>\nHough\u3001LSD\u3001FLD<\/td>\n<\/tr>\n
    \u8f6e\u5ed3\u63d0\u53d6<\/td>\nfindContours<\/td>\n<\/tr>\n
    \u6df1\u5ea6\u5b66\u4e60\u8fb9\u7f18<\/td>\nHED\u3001DexiNed<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

    2.\u7279\u5f81\u8868\u793a：\u5f97\u5230\u8fb9\u7f18\u70b9\u96c6\u5408\u3001\u7ebf\u6bb5\u96c6\u5408\u3001\u591a\u8fb9\u5f62\u8f6e\u5ed3\u3001\u5f62\u72b6\u63cf\u8ff0\u5b50\u3002<\/p>\n

    3.\u7279\u5f81\u5339\u914d：\u5bfb\u627e\u7ebf \u2194 \u7ebf，\u8fb9\u7f18 \u2194 \u8fb9\u7f18，\u8f6e\u5ed3 \u2194 \u8f6e\u5ed3\u3002<\/p>\n\n\u65b9\u6cd5\u539f\u7406<\/tr>\n\n\n\n\n\n\n\n
    \u51e0\u4f55\u7ea6\u675f<\/td>\n\u957f\u5ea6\u3001\u65b9\u5411\u3001\u4ea4\u70b9<\/td>\n<\/tr>\n
    \u6700\u8fd1\u90bb<\/td>\n\u70b9\u5230\u8fb9\u8ddd\u79bb<\/td>\n<\/tr>\n
    Shape Context<\/td>\n\u8f6e\u5ed3\u5f62\u72b6\u63cf\u8ff0<\/td>\n<\/tr>\n
    Hausdorff\u8ddd\u79bb<\/td>\n\u4e24\u70b9\u96c6\u8ddd\u79bb<\/td>\n<\/tr>\n
    Chamfer Matching<\/td>\n\u8fb9\u7f18\u8ddd\u79bb\u53d8\u6362<\/td>\n<\/tr>\n
    ICP<\/td>\n\u70b9\u96c6\u8fed\u4ee3\u914d\u51c6<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

    4.\u4f30\u8ba1\u53d8\u6362：\u4f30\u8ba1\u5e73\u79fb\u3001\u65cb\u8f6c\u3001\u4eff\u5c04\u3001\u5355\u5e94\u6027\u7b49\u3002\u5e38\u89c1RANSAC\u3001PnP\u3001Least Squares\u3001ICP\u3002<\/p>\n\n\u65b9\u6cd5\u7279\u5f81\u4f18\u70b9\u7f3a\u70b9OpenCV<\/tr>\n\n\n\n\n\n\n\n\n\n
    Canny+ICP<\/td>\n\u8fb9\u7f18\u70b9<\/td>\n\u7cbe\u5ea6\u9ad8<\/td>\n\u521d\u503c\u654f\u611f<\/td>\n\u90e8\u5206\u652f\u6301<\/td>\n<\/tr>\n
    Chamfer<\/td>\n\u8fb9\u7f18\u56fe<\/td>\n\u9c81\u68d2<\/td>\n\u8f83\u6162<\/td>\n\u652f\u6301<\/td>\n<\/tr>\n
    Hausdorff<\/td>\n\u70b9\u96c6<\/td>\n\u6297\u906e\u6321<\/td>\n\u6162<\/td>\n\u9700\u81ea\u5df1\u5b9e\u73b0<\/td>\n<\/tr>\n
    Hough<\/td>\n\u76f4\u7ebf<\/td>\n\u7a33\u5b9a<\/td>\n\u6162<\/td>\n\u652f\u6301<\/td>\n<\/tr>\n
    LSD<\/td>\n\u7ebf\u6bb5<\/td>\n\u5feb\u3001\u7cbe\u5ea6\u9ad8<\/td>\n\u77ed\u7ebf\u654f\u611f<\/td>\n\u652f\u6301<\/td>\n<\/tr>\n
    LBD<\/td>\n\u7ebf\u63cf\u8ff0\u5b50<\/td>\n\u5feb<\/td>\n\u4fe1\u606f\u5c11\u4e8eSIFT<\/td>\nopencv_contrib<\/td>\n<\/tr>\n
    Shape Context<\/td>\n\u8f6e\u5ed3<\/td>\n\u5f62\u72b6\u5f3a<\/td>\n\u8ba1\u7b97\u5927<\/td>\n\u90e8\u5206<\/td>\n<\/tr>\n
    Snake<\/td>\n\u52a8\u6001\u8f6e\u5ed3<\/td>\n\u8fb9\u754c\u7cbe\u7ec6<\/td>\n\u6613\u5c40\u90e8\u6700\u4f18<\/td>\n\u90e8\u5206<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n
    1.2.1 \u57fa\u4e8e\u8fb9\u7f18\u7684\u65b9\u6cd5<\/h5>\n

    \u5c5e\u4e8e\u57fa\u4e8e\u51e0\u4f55\u7ed3\u6784\u7684\u914d\u51c6，\u5229\u7528\u7269\u4f53\u8fb9\u754c\u3001\u7070\u5ea6\u7a81\u53d8\u4f4d\u7f6e\u3001\u7ed3\u6784\u8f6e\u5ed3\u8fdb\u884c\u914d\u51c6\u3002<\/p>\n

    （1）\u76f8\u5173\u6982\u5ff5<\/p>\n

    \u56fe\u50cf I(x,y)，\u8fb9\u7f18\u7684\u672c\u8d28\u662f\u7070\u5ea6\u53d8\u5316\u5267\u70c8\u7684\u4f4d\u7f6e，\u56e0\u6b64\u8ba1\u7b97\"\\\\nabla，\u5373\u56fe\u50cf\u5728x\u3001y\u65b9\u5411\u7684\u7070\u5ea6\u53d8\u5316\u7387\u3002<\/p>\n

    \u68af\u5ea6\u5e45\u503c：\"|\\\\nabla，\u8868\u793a\u53d8\u5316\u6709\u591a\u5267\u70c8，\u8fb9\u7f18\u5f3a\u5ea6\u3002<\/p>\n

    \u68af\u5ea6\u65b9\u5411：\"\\\\theta=tan^{-1}(\\\\frac{Ix}{Iy})\"，\u8868\u793a\u8fb9\u7f18\u671d\u5411，\u68af\u5ea6\u5782\u76f4\u4e8e\u8fb9\u7f18\u65b9\u5411，\u4f8b\u5982\u5de6\u9ed1\u53f3\u767d，\u8fb9\u7f18\u662f\u7ad6\u76f4\u65b9\u5411，\u68af\u5ea6\u4ece\u9ed1\u6307\u5411\u767d\u3002<\/p>\n

    \u53bb\u4e2d\u5fc3\u5316：\u628a\u4e24\u7ec4\u70b9\u5404\u81ea\u5e73\u79fb，\u5c06\u51e0\u4f55\u4e2d\u5fc3\u632a\u5230\u5750\u6807\u539f\u70b9\u3002<\/p>\n

    \u6784\u9020\u534f\u65b9\u5dee\u77e9\u9635：\u7edf\u8ba1\u4e24\u7ec4\u53bb\u4e2d\u5fc3\u5316\u70b9\u7684\u5173\u8054\u7a0b\u5ea6，\u8868\u5f81\u70b9\u96c6\u5f62\u72b6\u5339\u914d\u76f8\u4f3c\u5ea6\"H=\\\\sum_{i=1}^{n}<\/p>\n

    \u3002\u77e9\u9635\u6570\u503c\u8d8a\u5927，\u4e24\u7ec4\u8f6e\u5ed3\u5f62\u72b6\u5951\u5408\u5ea6\u8d8a\u9ad8\u3002<\/p>\n

    SVD \u5947\u5f02\u503c\u5206\u89e3：\u628a\u534f\u65b9\u5dee\u77e9\u9635\u62c6\u5206，\u63d0\u53d6\u6700\u4f18\u65cb\u8f6c\u5206\u91cf\u3001\u6700\u4f18\u65cb\u8f6c\u77e9\u9635，\u5728\u6570\u5b66\u4e0a\u6c42\u89e3\u51fa\u4f7f\u70b9\u96c6\u65cb\u8f6c\u540e\u8d34\u5408\u5ea6\u6700\u9ad8\u7684\u89d2\u5ea6\u53d8\u6362\u3002<\/p>\n

    （2）\u5b8c\u6574\u6d41\u7a0b<\/p>\n

    1. \u56fe\u50cf\u9884\u5904\u7406：\u7070\u5ea6\u5316\u3001\u53bb\u566a（\u9ad8\u65af\u6a21\u7cca）\u3002<\/p>\n

    2. \u8fb9\u7f18\u63d0\u53d6：\u4f7f\u7528\u8fb9\u7f18\u7b97\u5b50\u63d0\u53d6\u8fb9\u7f18\u56fe：Sobel\u3001Scharr\u3001Laplacian\u3001Canny（\u6700\u5e38\u7528）\u3002<\/p>\n

    3.\u00a0\u8fb9\u7f18\u7279\u5f81\u83b7\u53d6：\u4ece\u8fb9\u7f18\u56fe\u4e2d\u63d0\u53d6\u53ef\u5339\u914d\u4fe1\u606f：\u8fb9\u7f18\u70b9\u3001\u8fb9\u7f18\u8f6e\u5ed3\u3001\u8fb9\u7f18\u8ddd\u79bb\u573a\u3002<\/p>\n

    4.\u00a0\u8fb9\u7f18\u5339\u914d：\u8ba1\u7b97\u4e24\u5f20\u56fe\u8fb9\u7f18\u7684\u5bf9\u5e94\u5173\u7cfb：Chamfer Matching（\u5012\u89d2\u5339\u914d）\u3001Shape Matching\u3001\u8fb9\u7f18\u70b9\u5339\u914d\u3001Contour ICP\u3002<\/p>\n

    5. \u8ba1\u7b97\u51e0\u4f55\u53d8\u6362：\u6839\u636e\u5339\u914d\u7ed3\u679c\u6c42\u89e3\u53d8\u6362\u77e9\u9635：\u5e73\u79fb\u3001\u65cb\u8f6c\u3001\u4eff\u5c04\u53d8\u6362\u3001\u5355\u5e94\u77e9\u9635 Homography\u3002<\/p>\n

    6. \u56fe\u50cf\u53d8\u6362\u4e0e\u914d\u51c6：\u4f7f\u7528\u53d8\u6362\u77e9\u9635\u5c06\u5f85\u914d\u51c6\u56fe\u5bf9\u9f50\u5230\u53c2\u8003\u56fe\u3002<\/p>\n

    （3）\u8fb9\u7f18\u68c0\u6d4b\u539f\u7406<\/p>\n

    \u5bfb\u627e\u7070\u5ea6\u7a81\u53d8\u7684\u4f4d\u7f6e\u3002\u8fb9\u7f18\u63d0\u53d6\u7b97\u5b50：Sobel\u3001Scharr\u3001Laplacian\u3001Canny\u3002<\/p>\n

    1.Sobel \u7b97\u5b50<\/p>\n

    \u6700\u57fa\u7840\u7684\u68af\u5ea6\u65b9\u6cd5，\u6838\u5fc3\u601d\u60f3\u662f\u5229\u7528\u5377\u79ef\u6838\u8fd1\u4f3c\u8ba1\u7b97\u200b\"\\\\frac{\\\\partial<\/p>\n

    Sobel \u7b97\u5b50：<\/p>\n

    \"\"<\/p>\n

    \u4e3a\u4ec0\u4e48\u8fd9\u6837\u8bbe\u8ba1：[\u22121,0,1]\u672c\u8d28\u662f\u5de6\u53f3\u3001\u4e0a\u4e0b\u5dee\u5206，\u8fd1\u4f3c\"\\\\frac{\\\\partial，\u6838\u4e2d\u95f42\u7684\u672c\u8d28\u662f\u5bf9\u90bb\u57df\u505a\u52a0\u6743\u5e73\u5747，\u964d\u4f4e\u566a\u58f0\u654f\u611f\u6027，\u76f8\u5f53\u4e8e\u5e73\u6ed1\u3002\u56e0\u6b64 Sobel = \u5bfc\u6570 + \u9ad8\u65af\u5e73\u6ed1\u3002<\/p>\n

    \u8ba1\u7b97\u8fc7\u7a0b：\u5bf9\u56fe\u50cf\u5377\u79ef\u5f97\u5230\"I_x,\\\\,，\u7136\u540e\u68af\u5ea6\u7684\u6a21\u957f（\u8fb9\u7f18\u5f3a\u5ea6）\"\\\\mathrm{mag}\u3002<\/p>\n

    cv::Sobel(img, gx, CV_32F, 1, 0);
    \ncv::Sobel(img, gy, CV_32F, 0, 1);<\/p>\n

    \u7f3a\u70b9：<\/p>\n

    \u00a0– \u5bf9\u566a\u58f0\u654f\u611f，\u6613\u4ea7\u751f\u4f2a\u8fb9\u7f18：Sobel \u672c\u8d28\u4e0a\u662f\u57fa\u4e8e\u5c40\u90e8\u5dee\u5206\u7684\u7b97\u5b50，\u901a\u8fc7\u90bb\u57df\u50cf\u7d20\u7684\u52a0\u6743\u5dee\u6765\u8ba1\u7b97\u68af\u5ea6，\u566a\u58f0\u70b9\u4f1a\u76f4\u63a5\u88ab\u653e\u5927\u6210\u865a\u5047\u7684\u8fb9\u7f18\u3002<\/p>\n

    \u00a0– \u8fb9\u7f18\u5b9a\u4f4d\u7cbe\u5ea6\u8f83\u4f4e：3\u00d73 \u7684\u7a97\u53e3\u548c\u56fa\u5b9a\u7684\u52a0\u6743\u6a21\u5f0f，\u5bfc\u81f4\u5b83\u53ea\u80fd\u7c97\u7565\u4f30\u8ba1\u68af\u5ea6，\u65e0\u6cd5\u7cbe\u786e\u786e\u5b9a\u8fb9\u7f18\u7684\u4e9a\u50cf\u7d20\u4f4d\u7f6e\u3002\u6d4b\u51fa\u7684\u8fb9\u7f18\u5f80\u5f80\u6bd4\u8f83\u7c97，\u662f\u6709\u4e00\u5b9a\u5bbd\u5ea6\u7684\u6a21\u7cca\u5e26\u3002<\/p>\n

    \u00a0– \u8fb9\u7f18\u65b9\u5411\u4f30\u8ba1\u8bef\u5dee\u5927：\u68af\u5ea6\u65b9\u5411\u7531arctan2(Iy, Ix)\u8ba1\u7b97，\u800c Sobel \u7684Ix\u548cIy\u672c\u8eab\u5c31\u662f\u8fd1\u4f3c\u503c，\u5c24\u5176\u662f\u5728\u975e\u6c34\u5e73 \/ \u975e\u5782\u76f4\u7684\u659c\u5411\u8fb9\u7f18\u4e0a，\u8bef\u5dee\u4f1a\u88ab\u653e\u5927\u3002<\/p>\n

    \u00a0– \u56fa\u5b9a\u7684\u7a97\u53e3\u5927\u5c0f，\u5bf9\u4e0d\u540c\u5c3a\u5ea6\u7684\u8fb9\u7f18\u9002\u5e94\u6027\u5dee：\u53ea\u80fd\u68c0\u6d4b\u7279\u5b9a\u5c3a\u5ea6\u7684\u8fb9\u7f18\u3002\u5bf9\u5927\u5c3a\u5ea6\u3001\u5bbd\u8fb9\u7f18（\u5982\u6a21\u7cca\u7684\u8fb9\u7f18）\u68c0\u6d4b\u6548\u679c\u5dee；\u800c\u5bf9\u7ec6\u5c0f\u8fb9\u7f18\u53c8\u5bb9\u6613\u6f0f\u68c0\u3002\u4e0d\u50cf\u591a\u5c3a\u5ea6\u7b97\u6cd5（\u5982 SIFT）\u80fd\u81ea\u9002\u5e94\u4e0d\u540c\u5c3a\u5ea6\u3002<\/p>\n

    \u00a0– \u5bf9\u5c40\u90e8\u5149\u7167\u654f\u611f：\u5b83\u7684\u8f93\u51fa mag \u662f\u7edd\u5bf9\u7070\u5ea6\u5dee\u7684\u6570\u503c，\u5bf9\u5c40\u90e8 \/ \u975e\u7ebf\u6027\u5149\u7167\u53d8\u5316\u975e\u5e38\u654f\u611f\u3002<\/p>\n

    2.Scharr \u7b97\u5b50<\/p>\n

    \u662f\u5bf9 Sobel \u7684\u9ad8\u7cbe\u5ea6\u6539\u8fdb\u7248，\u6838\u5fc3\u76ee\u6807\u662f\u5728\u4fdd\u6301 3\u00d73 \u5c0f\u6838\u6548\u7387\u7684\u524d\u63d0\u4e0b，\u63d0\u9ad8\u65cb\u8f6c\u5bf9\u79f0\u6027（isotropy）\u4e0e\u68af\u5ea6\u7cbe\u5ea6\u3002\u771f\u6b63\u7684\u68af\u5ea6\u5e94\u8be5\u5bf9\u6240\u6709\u65b9\u5411\u7684\u9ad8\u9891\u53d8\u5316\u54cd\u5e94\u4e00\u81f4，\u800c\u4e0d\u662f\u504f\u5411\u67d0\u51e0\u4e2a\u65b9\u5411，Sobel \u9690\u542b\u5047\u8bbe\u4e2d\u95f4\u884c\u66f4\u91cd\u8981\u3002<\/p>\n

    \u540c\u6837\u8fd1\u4f3c\u4e00\u9636\u5bfc\u6570\"Gx\\\\thickapprox\\\\frac{\\\\partial，\u4f7f\u7528\u4f18\u5316\u8fc7\u540e\u7684\u5377\u79ef\u6838\u6743\u91cd\u3002<\/p>\n

    \"\"<\/p>\n

    Scharr \u505a\u7684\u662f\u4e8c\u9636\u7cbe\u5ea6\u5339\u914d，\u7ea6\u675f：\u5fc5\u987b\u6ee1\u8db3\u4e00\u9636\u5bfc\u6570\u8fd1\u4f3c；\u4e8c\u9636\u9891\u7387\u8bef\u5dee\u6700\u5c0f；\u5404\u65b9\u5411\u54cd\u5e94\u5c3d\u91cf\u4e00\u81f4，\u89e3\u51fa\u6765\u7684\u6700\u4f18\u6574\u6570\u8fd1\u4f3c\u5c31\u662f [\u22123,\u221210,\u22123]\u3002<\/p>\n

    Sobel：\u4e0a\u4e0b\u4e09\u884c\u4e00\u6837\u91cd\u8981，\u53ea\u662f\u4e2d\u95f4\u66f4\u91cd\u8981\u4e00\u70b9<\/p>\n

    Scharr：\u4e2d\u95f4\u90a3\u4e00\u884c\u624d\u662f\u771f\u6b63\u7684\u5bfc\u6570\u4e3b\u8d21\u732e，\u5176\u4ed6\u884c\u53ea\u662f\u4fee\u6b63<\/p>\n

    3.Canny \u7b97\u5b50<\/p>\n

    \u8fb9\u7f18\u65b9\u6cd5\u6838\u5fc3，Sobel\u7684\u5b8c\u6574\u5de5\u7a0b\u5316\u5347\u7ea7\u7248\u3002\u6574\u4f53\u6d41\u7a0b\u5982\u4e0b：Input Image \u2192 Gaussian Blur \u2192 Gradient (Sobel) \u2192 Gradient Magnitude\/Direction \u2192 Non-Maximum Suppression \u2192 Double Threshold \u2192 Edge Tracking by Hysteresis \u2192 Final Edge<\/p>\n

  • \u9ad8\u65af\u6a21\u7cca：\u68af\u5ea6\u8fd0\u7b97\u4f1a\u653e\u5927\u566a\u58f0，\u56e0\u6b64\u5148\u5e73\u6ed1，\"G(x,y)=\\\\frac{1}{2\\\\pi\\\\sigma^2}e^{-\\\\frac{x^2+y^2}{2\\\\sigma^2}}\"，\u9ad8\u65af\u6ee4\u6ce2\u5377\u79ef\u540e\u4f1a\u4fdd\u7559\u4f4e\u9891，\u6291\u5236\u9ad8\u9891\u566a\u58f0\u3002<\/li>\n
  • \u68af\u5ea6\u8ba1\u7b97：\u4f7f\u7528 Sobel \u5f97\u5230 Ix\u200b,Iy\u200b，\u7136\u540e\u8ba1\u7b97\u68af\u5ea6\u5e45\u503c\u3001\u68af\u5ea6\u65b9\u5411\u3002<\/li>\n
  • \u975e\u6781\u5927\u503c\u6291\u5236（NMS）：\n
  • \u4e3a\u4ec0\u4e48\u9700\u8981NMS：Sobel \u5f97\u5230\u7684\u8fb9\u7f18\u5f88\u5bbd，\u4f46\u771f\u6b63\u7684\u8fb9\u7f18\u5e94\u8be5\u662f\u5355\u50cf\u7d20\u5bbd\u3002<\/li>\n
  • \u6838\u5fc3\u601d\u60f3：\u53ea\u4fdd\u7559\u68af\u5ea6\u65b9\u5411\u4e0a\u7684\u5c40\u90e8\u6700\u5927\u503c，\u5176\u4f59\u6291\u5236，\u5b9e\u73b0\u8fb9\u7f18\u7ec6\u5316\u3002\u4f8b\u5982\u4ee5\u5f53\u524d\u70b9\u4e3a\u4e2d\u5fc3，\u540c\u4e00\u6761\u68af\u5ea6\u6cd5\u7ebf\u65b9\u5411\u4e0a，\u6bd4\u8f83\u524d\u540e\u5404 1 \u4e2a\u90bb\u70b9，\u4ec5\u5f53\u5f53\u524d\u50cf\u7d20\u68af\u5ea6\u5e45\u503c，\u5927\u4e8e\u6b63\u53cd\u65b9\u5411\u76f8\u90bb\u4e24\u4e2a\u50cf\u7d20\u624d\u4fdd\u7559\u4e3a\u5019\u9009\u8fb9\u7f18，\u5176\u4f59\u76f4\u63a5\u7f6e 0 \u6291\u5236\u3002<\/li>\n<\/li>\n
  • \u53cc\u9608\u503c（Double Threshold）：\u9ad8\u9608\u503c+\u4f4e\u9608\u503c\u3002\u5f3a\u8fb9\u7f18\u00a0\"M\u76f4\u63a5\u4fdd\u7559；\u5f31\u8fb9\u7f18\"T_{\\\\mathrm{low}}\u53ef\u80fd\u662f\u771f\u8fb9\u7f18；\u975e\u8fb9\u7f18\"M\u5220\u9664\n
  • \u4e3a\u4ec0\u4e48\u4e0d\u7528\u5355\u9608\u503c：\u5982\u679c\u9608\u503c\u9ad8，\u5f31\u8fb9\u7f18\u4e22\u5931；\u5982\u679c\u9608\u503c\u4f4e，\u566a\u58f0\u592a\u591a\u3002<\/li>\n<\/li>\n
  • \u6ede\u540e\u8fb9\u7f18\u8ddf\u8e2a：\u5f31\u8fb9\u7f18\u5982\u679c\u8fde\u63a5\u5230\u5f3a\u8fb9\u7f18\u5219\u4fdd\u7559，\u5426\u5219\u5220\u9664\u3002\n
  • \u4e3a\u4ec0\u4e48\u6709\u6548：\u771f\u5b9e\u8fb9\u7f18\u901a\u5e38\u8fde\u7eed，\u566a\u58f0\u901a\u5e38\u72ec\u7acb，\u56e0\u6b64\u8fde\u7eed\u6027\u53ef\u4ee5\u8fc7\u6ee4\u566a\u58f0\u3002<\/li>\n<\/li>\n
  • \u6700\u7ec8\u5f97\u5230\u7ec6\u3001\u8fde\u7eed\u3001\u6297\u566a\u3001\u5355\u50cf\u7d20\u7684\u8fb9\u7f18\u56fe\u3002<\/li>\n

    4.Laplacian of Gaussian (LoG) \u7b97\u5b50<\/p>\n

    \u9ad8\u65af\u62c9\u666e\u62c9\u65af\u7b97\u5b50，\u672c\u8d28\u662f\u5148\u7528 Gaussian \u505a\u5e73\u6ed1\u53bb\u566a，\u518d\u7528 Laplacian \u505a\u4e8c\u9636\u5bfc\u6570（\u68c0\u6d4b\u5f3a\u5ea6\u66f2\u7387\u53d8\u5316）\u3002<\/p>\n

  • \u9ad8\u65af\u6a21\u7cca：\u5728\u68af\u5ea6\u8ba1\u7b97\u524d\u8fdb\u884c\u53bb\u566a，\u907f\u514d\u5fae\u5206\u653e\u5927\u9ad8\u9891\u566a\u58f0，\u56e0\u4e3a\u68af\u5ea6\u8ba1\u7b97\u672c\u8d28\u662f\u5fae\u5206，\u5fae\u5206=\u9ad8\u901a\u64cd\u4f5c，\u9ad8\u901a=\u653e\u5927\u566a\u58f0，\u6240\u4ee5\u5fc5\u987b\u5148\u4f4e\u901a\u6ee4\u6ce2\u3002<\/li>\n
  • Laplacian Operator：\u4e8c\u9636\u5bfc\u6570，\"\\\\nabla^2，\u79bb\u6563\u5b9e\u73b0，\u5e38\u7528\u5377\u79ef\u6838\"\\\\left[\\\\begin{matrix}0\"\\\\left[\\\\begin{matrix}1，\u68c0\u6d4b\u5c40\u90e8\u4e8c\u9636\u66f2\u7387\u53d8\u5316\u3002<\/li>\n
  • \u54cd\u5e94\u5206\u6790：LoG\u8f93\u51fa\u662f\u4e00\u4e2a\u54cd\u5e94\u56fe，\u4f8b\u5982\u6b63 \u2192 \u8d1f\u3001\u8d1f \u2192 \u6b63\u7684\u4f4d\u7f6e，\u8fdb\u884c\u96f6\u4ea4\u53c9\u68c0\u6d4b：\u8fb9\u7f18\u51fa\u73b0\u5728 LoG \u54cd\u5e94\u7684\u7b26\u53f7\u53d8\u5316\u4f4d\u7f6e，\u5982\u679c LoG(p)\u22c5LoG(q) < 0，\u8ba4\u4e3a\u5b58\u5728 edge\u3002\"\"<\/li>\n

    \"\"<\/p>\n

    \u6838\u5fc3\u76ee\u6807\u662f\u627e\u5230\u53d8\u6362 T \u4f7f\u4e24\u5e45\u56fe\u8fb9\u7f18\u5c3d\u91cf\u91cd\u5408，E(T)\u2192min\u3002<\/p>\n

    1.\u51e0\u79cd\u6838\u5fc3\u601d\u60f3：<\/p>\n

  • \u8fb9\u7f18\u70b9\u8ddd\u79bb\u6700\u5c0f\u5316：\u6700\u57fa\u7840，\u76ee\u6807\u662f\"E=\\\\sum_{i}，pi：\u6e90\u56fe\u8fb9\u7f18\u70b9；T(pi)：\u53d8\u6362\u540e\u4f4d\u7f6e；d(\u22c5)：\u5230\u76ee\u6807\u8fb9\u7f18\u8ddd\u79bb；E2：\u76ee\u6807\u8fb9\u7f18\u96c6\u5408\u3002\u8868\u793a\u53d8\u6362\u540e\u7684\u8fb9\u7f18\u70b9\u8ddd\u79bb\u76ee\u6807\u8fb9\u7f18\u8d8a\u8fd1\u8d8a\u597d\u3002<\/li>\n
  • \u8fb9\u7f18\u65b9\u5411\u4e00\u81f4\u6027：\u4e0d\u4ec5\u4f4d\u7f6e\u63a5\u8fd1，\u65b9\u5411\u4e5f\u5e94\u4e00\u81f4：\"E_\\\\theta=\\\\sum<\/li>\n
  • \u8fb9\u7f18\u5f62\u72b6\u4e00\u81f4\u6027：\u4f8b\u5982\u8f6e\u5ed3\u6574\u4f53\u5f62\u72b6，\u53ef\u4ee5\u4f7f\u7528 Shape Context\u3001Hausdorff\u3001Fourier Shape\u3002<\/li>\n

    \"\"<\/p>\n

    2.\u8ddd\u79bb\u53d8\u6362（Distance Transform）：\u8fb9\u7f18\u914d\u51c6\u7684\u6838\u5fc3\u6570\u5b66\u5de5\u5177\u3002\u6838\u5fc3\u601d\u60f3\u662f\u4e0d\u518d\u5173\u6ce8\u662f\u5426\u521a\u597d\u843d\u5728\u8fb9\u7f18\u4e0a，\u800c\u662f\u95ee\u79bb\u8fb9\u7f18\u6709\u591a\u8fdc，\u4e8e\u662f\u8fb9\u7f18\u5c31\u53d8\u6210\u4e86\u8ddd\u79bb\u573a\u3002<\/p>\n

  • \u4e3a\u4ec0\u4e48\u9700\u8981：\u8fb9\u7f18\u56fe\u7684\u672c\u8d28\u662f0\/1\u4e8c\u503c\u56fe，\u5982\u679c\u76f4\u63a5\u4e8c\u503c\u6bd4\u8f83，\u4f1a\u51fa\u73b0\u53ea\u5dee 1 \u50cf\u7d20\u4e5f\u4f1a\u5bfc\u81f4\u8fb9\u7f18\u70b9\u4e0d\u91cd\u5408，\u8bef\u5dee\u53d8\u62101，\u5bfc\u81f4：\n
  • \u8bef\u5dee\u51fd\u6570\u4e0d\u8fde\u7eed：\u4f18\u5316\u66f2\u7ebf\u8df3\u53d8，\u800c\u4e0d\u662f\u5e73\u6ed1\u53d8\u5316\u3002<\/li>\n
  • \u5bf9\u566a\u58f0\u6781\u654f\u611f：\u4e00\u4e2a\u566a\u58f0\u70b9\u53ef\u80fd\u5bfc\u81f4\u8bef\u5dee\u5267\u70c8\u53d8\u5316\u3002<\/li>\n
  • \u65e0\u6cd5\u505a\u8fde\u7eed\u4f18\u5316：Gauss-Newton \/ LM \u7b49\u4f18\u5316\u65b9\u6cd5\u8981\u6c42\u8bef\u5dee\u51fd\u6570\u8fde\u7eed\u53ef\u5bfc，\u4f46\u4e8c\u503c\u8fb9\u7f18\u4e0d\u53ef\u5bfc\u3002<\/li>\n<\/li>\n
  • \u5b9a\u4e49：\u6bcf\u4e2a\u50cf\u7d20\u5230\u6700\u8fd1\u8fb9\u7f18\u7684\u8ddd\u79bb，\"DT(x,y)，\u5176\u4e2d E \u8868\u793a\u6240\u6709\u8fb9\u7f18\u70b9\u51e0\u4f55；(x,y) \u8868\u793a\u5f53\u524d\u50cf\u7d20；(u,v) \u8868\u793a\u8fb9\u7f18\u70b9；DT(x,y) \u5230\u6700\u8fd1\u8fb9\u7f18\u7684\u8ddd\u79bb\u3002\n<\/p>\n<\/li>\n
  • \u4e8c\u7ef4\u56fe：\u5047\u8bbe\u76ee\u6807\u8fb9\u7f180001000，\u4e2d\u95f41\u662f\u8fb9\u7f18；\u90a3\u4e48\u8ddd\u79bb\u56fe：3210123，0\u8868\u793a\u8fb9\u7f18\u5904，1\u8868\u793a\u76f8\u90bb\u50cf\u7d20，2\u30013\u8868\u793a\u66f4\u8fdc\u5904\u3002<\/li>\n

    \"\"<\/p>\n

    3.\u8fb9\u7f18\u7279\u5f81\u83b7\u53d6\u65b9\u6cd5<\/p>\n

  • \u8fb9\u7f18\u70b9：\u6700\u57fa\u7840，\u4f8b\u5982 Canny\u3001Sobel\u3001Scharr \u5f97\u5230\u79bb\u6563\u8fb9\u7f18\u50cf\u7d20\u3002\u7b80\u5355\u3001\u6570\u91cf\u591a\u3001\u6613\u4f18\u5316，\u4f46\u662f\u5bf9\u566a\u58f0\u654f\u611f\u3001\u7f3a\u5c11\u7ed3\u6784\u4fe1\u606f\u3002<\/li>\n
  • \u8fb9\u7f18\u94fe：\u628a\u8fde\u7eed\u8fb9\u7f18\u8fde\u63a5\u6210\u66f2\u7ebf\u3002\u53ef\u4ee5\u4fdd\u7559\u62d3\u6251\u7ed3\u6784\u3001\u8fde\u7eed\u6027\u66f4\u597d.<\/li>\n
  • \u8f6e\u5ed3：\u8fdb\u4e00\u6b65\u5f62\u6210\u5b8c\u6574\u95ed\u5408\u7ed3\u6784\u3002\u51e0\u4f55\u4fe1\u606f\u4e30\u5bcc\u3001\u9002\u5408\u5f62\u72b6\u5339\u914d，\u4f46\u662f\u5bf9\u906e\u6321\u654f\u611f\u3001\u63d0\u53d6\u4f9d\u8d56\u9608\u503c\u3002<\/li>\n

    （5）\u8fb9\u7f18\u914d\u51c6\u65b9\u6cd5<\/p>\n

    1.Chamfer Matching（\u5012\u89d2\u5339\u914d）<\/p>\n

    \u57fa\u4e8e\u8ddd\u79bb\u573a\u7684\u8fb9\u7f18\u914d\u51c6，\u672c\u8d28\u5c31\u662f Distance Transform + \u8fb9\u7f18\u70b9\u6c42\u548c\u3002\u6838\u5fc3\u601d\u60f3\u662f\u6a21\u677f\u8fb9\u7f18\u53d8\u6362\u540e\u843d\u5230\u76ee\u6807\u8fb9\u7f18\u9644\u8fd1\u3002<\/p>\n

  • \u6570\u5b66\u5b9a\u4e49：\u8bef\u5dee：\"E(T)=\\\\sum_{i}；\u6a21\u677f\u8fb9\u7f18 pi \u7ecf\u8fc7\u53d8\u6362 T(pi\u200b) \u843d\u5230\u76ee\u6807\u8ddd\u79bb\u56fe DT \u4e0a\u67e5\u8be2\u8ddd\u79bb\u3002<\/li>\n
  • \u4e3a\u4ec0\u4e48\u6709\u6548：\u5982\u679c\u8fb9\u7f18\u91cd\u5408，\u5219 E(T)\u21920，\u8bef\u5dee\u5c0f\u3002<\/li>\n
  • \u4f18\u70b9：\u5feb\u3001\u6613\u5b9e\u73b0\u3001\u53ef\u8fde\u7eed\u4f18\u5316\u3001\u5bf9\u8f7b\u5fae\u566a\u58f0\u9c81\u68d2\u3002<\/li>\n
  • \u7f3a\u70b9：\u6613\u5c40\u90e8\u6700\u4f18\u3001\u4f9d\u8d56\u521d\u503c\u3001\u4e0d\u8003\u8651\u65b9\u5411\u3002<\/li>\n
  • Directional Chamfer Matching（\u5b9a\u5411\u5012\u89d2\u5339\u914d）：\u52a0\u5165\u8fb9\u7f18\u65b9\u5411\u4e00\u81f4\u6027，\u8bef\u5dee：\"E=\\\\sum_{i}\u3002<\/li>\n

    2.Hausdorff Matching<\/p>\n

    \u8c6a\u65af\u591a\u592b\u5339\u914d，\u57fa\u4e8e\u5f62\u72b6\u63cf\u8ff0\u7684\u5339\u914d，\u5e38\u7528\u4e8e\u8fb9\u7f18\u5339\u914d\u3001\u8f6e\u5ed3\u5339\u914d\u3001\u6a21\u677f\u5339\u914d\u3001\u76ee\u6807\u68c0\u6d4b\u3001\u56fe\u50cf\u914d\u51c6\u3002\u5b83\u4e0d\u8981\u6c42\u70b9\u4e0e\u70b9\u4e25\u683c\u4e00\u4e00\u5bf9\u5e94，\u800c\u662f\u8861\u91cf\u4e24\u4e2a\u70b9\u96c6\u6700\u574f\u60c5\u51b5\u4e0b\u6709\u591a\u8fdc\u3002ICP \u5148\u5efa\u7acb\u5bf9\u5e94\u70b9\u518d\u4f18\u5316，\u8c6a\u65af\u591a\u592b\u76f4\u63a5\u8861\u91cf\u4e24\u4e2a\u51e0\u4f55\u6574\u4f53\u76f8\u4f3c\u6027，\u56e0\u6b64 Hausdorff\u00a0\u66f4\u504f\u5168\u5c40\u5f62\u72b6\u5339\u914d\u3002<\/p>\n

  • \u6570\u5b66\u5b9a\u4e49：\"H(A,，\u5bf9 A \u4e2d\u7684\u6bcf\u4e2a\u70b9\u627e\u5230\u5728 B \u4e2d\u6700\u8fd1\u7684\u70b9，\u5373\"\\\\min_{b，\u5f97\u5230\u8fd9\u4e2a\u70b9\u79bb\u76ee\u6807\u96c6\u5408\u6700\u8fd1\u6709\u591a\u8fdc，\u7136\u540e\u53d6\u5176\u4e2d\u7684\u6700\u5927\u503c，\u8fd9\u53eb Directed Hausdorff Distance（\u5355\u5411\u8c6a\u65af\u591a\u592b\u8ddd\u79bb）\u3002<\/li>\n
  • \u5b8c\u6574 Hausdorff Distance：\u56e0\u4e3a \"h(A,，\u56e0\u6b64\u9700\u8981\u53cc\u5411 \"H(A,，\u5373\u00a0\"H(A,\u3002\u8868\u793a\u4e24\u4e2a\u96c6\u5408\u6700\u574f\u70b9\u7684\u8bef\u5dee\u3002<\/li>\n
  • \u76f4\u89c2\u7406\u89e3：\u5047\u8bbe\u4e24\u4e2a\u96c6\u5408\u7684\u70b9\u51e0\u4e4e\u91cd\u5408，\u8c6a\u65af\u591a\u592b\u8ddd\u79bb\u5f88\u5c0f，\u4f46\u5982\u679c\u5176\u4e2d\u4e00\u4e2a\u96c6\u5408\u6709\u4e00\u4e2a\u8fdc\u79bb\u70b9，\u90a3\u4e48\u8c6a\u65af\u591a\u592b\u8ddd\u79bb\u4f1a\u7a81\u7136\u53d8\u5927，\u56e0\u4e3a\u5b83\u5173\u5fc3\u6700\u574f\u7684\u90a3\u4e2a\u70b9\u3002<\/li>\n
  • Modified Hausdorff Distance（MHD）：\u89e3\u51b3\u79bb\u7fa4\u70b9\u95ee\u9898，MHD \u628a max \u6539\u6210 mean，\"h_{MHD}(A,，\u8868\u793a\u5e73\u5747\u6700\u8fd1\u8ddd\u79bb，\u8fd9\u6837\u5bf9\u566a\u58f0\u66f4\u9c81\u68d2，\u5bf9\u79bb\u7fa4\u70b9\u4e0d\u654f\u611f<\/li>\n
  • \u5339\u914d\u6d41\u7a0b：1.\u63d0\u53d6\u8fb9\u7f18\u5f97\u5230\u70b9\u96c6\u30022.\u6784\u9020\u6a21\u677f\u3001\u76ee\u6807\u70b9\u96c6 A\u3001B\u30023.\u8ba1\u7b97\u8c6a\u65af\u591a\u592b\u8ddd\u79bb，\u4e0d\u65ad\u5e73\u79fb\u65cb\u8f6c\u6a21\u677f，\u8ba1\u7b97H(A,B)\u30024.\u627e\u6700\u5c0f\u8ddd\u79bb\u4f4d\u7f6e，argminH(A,B)，\u8ba4\u4e3a\u6b64\u65f6\u6a21\u677f\u4e0e\u76ee\u6807\u6700\u5339\u914d\u3002<\/li>\n
  • \u4f18\u70b9：1.\u4e0d\u9700\u8981\u663e\u793a\u5bf9\u5e94\u70b9，\u4e0d\u9700\u8981\u4e00\u4e00\u914d\u5bf9\u30022.\u80fd\u8861\u91cf\u6574\u4f53\u5f62\u72b6\u5dee\u5f02，\u9002\u5408\u8f6e\u5ed3\u5339\u914d\u30023.\u5bf9\u90e8\u5206\u906e\u6321\u6709\u4e00\u5b9a\u9c81\u68d2\u6027\u3002<\/li>\n
  • \u7f3a\u70b9：1.\u5bf9\u79bb\u6563\u7fa4\u70b9\u654f\u611f\u30022.\u8ba1\u7b97\u91cf\u5927，\u4e24\u96c6\u5408\u4e24\u4e24\u641c\u7d22，O(MN)\u30023.\u4e0d\u9002\u5408\u7cbe\u7ec6\u8fde\u7eed\u4f18\u5316，\u66f4\u50cf\u5339\u914d\u8bc4\u4ef7\u6307\u6807，\u800c\u4e0d\u662f\u8fde\u7eed\u4f4d\u59ff\u4f18\u5316\u5668\u3002<\/li>\n

    Hausdorff \u770b\u6700\u574f\u90a3\u4e2a\u70b9\u3002Modified Hausdorff \u770b\u5e73\u5747\u6700\u8fd1\u8ddd\u79bb，\u4f46\u4fdd\u7559 Hausdorff \u601d\u60f3\u3002Chamfer Distance \u770b\u4e24\u4e2a\u70b9\u96c6\u6574\u4f53\u5e73\u5747\u6700\u8fd1\u8ddd\u79bb\u3002\"\"<\/p>\n

    3.\u57fa\u4e8e\u65b9\u5411\u4e00\u81f4\u6027\u7684\u5339\u914d<\/p>\n

    OCM（Chamfer Matching + Orientation）：\u5728 CM \u7684\u57fa\u7840\u4e0a\u589e\u52a0\u68af\u5ea6\u65b9\u5411\u7ea6\u675f ，
    \n\"E，\u03b8：\u8fb9\u7f18\u65b9\u5411；\u03bb：\u65b9\u5411\u6743\u91cd\u3002\u53ea\u6709\u8ddd\u79bb\u8fd1\u3001\u65b9\u5411\u4e5f\u4e00\u81f4\u624d\u8ba4\u4e3a\u5339\u914d\u6b63\u786e\u3002<\/p>\n

    DCM（Directional Chamfer Matching）：\u628a\u65b9\u5411\u52a0\u5165 DT （\u8ddd\u79bb\u53d8\u6362），\u6bcf\u4e2a\u65b9\u5411，\u4e00\u4e2a DT，\u5373 0\u5ea6\u300110\u5ea6\u300120\u5ea6\u5206\u522b\u5efa\u7acb\u8ddd\u79bb\u573a，\u5339\u914d\u65f6\u4e0d\u4ec5\u8981\u6c42\u8ddd\u79bb\u6700\u8fd1，\u8fd8\u8981\u6c42\u65b9\u5411\u901a\u9053\u4e00\u81f4\u3002\u9002\u5408\u7ebf\u7ed3\u6784，\u5de5\u4e1a\u5b9a\u4f4d\u3002<\/p>\n

    Edge Orientation Histogram：\u6838\u5fc3\u65f6\u6bd4\u8f83\u8fb9\u7f18\u65b9\u5411\u7edf\u8ba1\u5206\u5e03，\u7edf\u8ba1\u68af\u5ea6\u65b9\u5411，\u5efa\u7acb\u65b9\u5411\u76f4\u65b9\u56fe\u3002<\/p>\n

    Normal-based Matching：\u57fa\u4e8e\u6cd5\u7ebf\u7684\u5339\u914d，\"E=\\\\|p-q\\\\|^2+\\\\lambda\\\\bigl(1-{n_p}^\\\\top，\u8981\u6c42\u00a0\"{n_p}^\\\\top\u5927，\u5373\u6cd5\u7ebf\u65b9\u5411\u4e00\u81f4\u3002<\/p>\n

    3.Edge-based ICP（E-ICP）<\/p>\n

    Iterative Closest Point，\u57fa\u4e8e\u6700\u8fd1\u70b9\u8fed\u4ee3\u7684\u914d\u51c6，\u6838\u5fc3\u601d\u60f3\u662f\u4e0d\u65ad\u5bfb\u627e\u6700\u8fd1\u8fb9\u7f18\u5bf9\u5e94\u70b9，\u518d\u4f18\u5316 R\u3001t，\u76f4\u5230\u6536\u655b\u3002<\/p>\n

  • \u6570\u5b66\u5b9a\u4e49：\"E=\\\\sum_{i}\u3002E：\u6574\u4f53\u5339\u914d\u8bef\u5dee，\u8bef\u5dee\u8d8a\u5c0f\u5bf9\u9f50\u6548\u679c\u8d8a\u597d；\"$\\\\sum\\\\limits_i$\" ：\u5bf9\u6240\u6709\u8fb9\u7f18\u70b9\u8ddd\u79bb\u7684\u7d2f\u52a0\u6c42\u548c；pi：\u6e90\u56fe\u50cf=\u4e0a\u7b2c i \u4e2a\u8fb9\u7f18\u70b9；\"$T(\\\\cdot)$\"：\u7a7a\u95f4\u53d8\u6362\u7b97\u5b50（\u65cb\u8f6c\u3001\u5e73\u79fb\u3001\u7f29\u653e）；\"$T(p_i)$\"：\u7ecf\u8fc7\u53d8\u6362\u540e\u7684\u6e90\u8fb9\u7f18\u70b9；\"$q_i$\"：\u76ee\u6807\u56fe\u50cf\u4e0a\u5bf9\u5e94\u7684\u5339\u914d\u70b9；d(\u22c5)：\u5230\u76ee\u6807\u8fb9\u7f18\u7684\u6700\u8fd1\u8ddd\u79bb；\"$\\\\|\\\\cdot\\\\|^2$\"：\u6b27\u6c0f\u8ddd\u79bb\u5e73\u65b9，\u4ee3\u8868\u4e24\u70b9\u7a7a\u95f4\u8ddd\u79bb\u3002<\/li>\n
  • \u8fed\u4ee3\u4f18\u5316：\n
  • \u521d\u59cb\u72b6\u6001：\u7ed9\u5b9a\u521d\u59cb\u53d8\u6362\u53c2\u6570，\u521d\u6b65\u5339\u914d\u4e24\u7ec4\u8fb9\u7f18\u70b9，\u751f\u6210\u521d\u59cb\u5bf9\u5e94\u70b9\u5bf9\"$(p_i,\\\\,\u3002opencv \u4e2d\u9ed8\u8ba4\u81ea\u52a8\u4ece \u201c\u96f6\u53d8\u6362\u201d \u5f00\u59cb（\u4e0d\u65cb\u8f6c\u3001\u4e0d\u5e73\u79fb）\u3002<\/li>\n
  • \u6c42\u89e3\u5f53\u524d\u6700\u4f18\u53d8\u6362：\u5bf9\u6bcf\u4e2a\u6e90\u8fb9\u7f18\u70b9，\u5728\u76ee\u6807\u8fb9\u7f18\u70b9\u4e2d\u5bfb\u627e\u6700\u8fd1\u70b9，\u751f\u6210\u5bf9\u5e94\u70b9\u5bf9\"(p_i,\u3002\u4f9d\u636e\u5f53\u524d\u70b9\u5bf9，\u6700\u5c0f\u5316\u8ddd\u79bb\u5e73\u65b9\u548c，\u901a\u8fc7\u53bb\u4e2d\u5fc3\u5316\u3001\u6784\u9020\u534f\u65b9\u5dee\u77e9\u9635\u3001SVD \u5206\u89e3，\u7b97\u51fa\u672c\u8f6e\u6700\u4f18\u65cb\u8f6c\u77e9\u9635 R \u4e0e\u5e73\u79fb\u5411\u91cf t\u3002<\/li>\n
  • \u70b9\u4f4d\u66f4\u65b0：\u7528\u6c42\u5f97\u7684\u53d8\u6362\u66f4\u65b0\u6e90\u8fb9\u7f18\u70b9：\"$p_i'\u3002<\/li>\n
  • \u91cd\u65b0\u5339\u914d\u5bf9\u5e94\u70b9：\u4ee5\u66f4\u65b0\u540e\u7684\u70b9\u4f4d\u4e3a\u57fa\u51c6，\u5728\u76ee\u6807\u8fb9\u7f18\u4e0a\u641c\u5bfb\u65b0\u7684\u6700\u8fd1\u5339\u914d\u70b9，\u5237\u65b0\u70b9\u5bf9\u5173\u7cfb\u3002<\/li>\n
  • \u8bef\u5dee\u5224\u5b9a\u6536\u655b：\u8ba1\u7b97\u65b0\u4e00\u8f6e\u6574\u4f53\u8bef\u5deeE，\u5bf9\u6bd4\u4e0a\u4e00\u8f6e\u8bef\u5dee：\u8bef\u5dee\u964d\u5e45\u5c0f\u4e8e\u8bbe\u5b9a\u9608\u503c，\u505c\u6b62\u8fed\u4ee3，\u8fbe\u5230\u6700\u5c0f\u8ddd\u79bb\u5339\u914d；\u8bef\u5dee\u4ecd\u660e\u663e\u51cf\u5c0f，\u8fd4\u56de\u7b2c\u4e8c\u6b65\u7ee7\u7eed\u5faa\u73af\u4f18\u5316\u3002<\/li>\n<\/li>\n
  • \u4f18\u70b9：1.\u5b9e\u73b0\u7b80\u5355\u30022.\u51e0\u4f55\u610f\u4e49\u76f4\u89c2\u30023.\u5bf9\u8fb9\u7f18\u8f6e\u5ed3\u914d\u51c6\u6709\u6548\u30024.\u53ef\u7528\u4e8e\u6fc0\u5149\u70b9\u4e91\u3001\u8fb9\u7f18\u5730\u56fe\u3001Shape Alignment\u3002<\/li>\n
  • \u7f3a\u70b9：1.\u4f9d\u8d56\u521d\u503c，\u901a\u5e38\u9700\u8981\u7c97\u914d\u51c6\u3001\u91d1\u5b57\u5854\u3001\u7279\u5f81\u5339\u914d\u3001RANSAC\u5148\u63d0\u4f9b\u8f83\u597d\u521d\u503c\u30022.\u6700\u8fd1\u70b9\u4e0d\u4e00\u5b9a\u771f\u5bf9\u5e94\u30023.\u5bb9\u6613\u9677\u5165\u5c40\u90e8\u6700\u4f18\u3002<\/li>\n

    4.Point-to-Line ICP<\/p>\n

    \u666e\u901a IPC \u4f7f\u7528\u70b9\u5230\u70b9\u6b27\u5f0f\u8ddd\u79bb，\u5f53\u70b9\u6cbf\u8fb9\u7f18\u65b9\u5411\u6ed1\u52a8\u65f6，\u5373\u4f7f\u771f\u5b9e\u4f4d\u7f6e\u5df2\u7ecf\u6bd4\u8f83\u63a5\u8fd1，\u8ddd\u79bb\u4ecd\u4f1a\u53d1\u751f\u660e\u663e\u53d8\u5316\u3002\u4e8e\u662f\u63d0\u51fa\u70b9\u5230\u7ebf ICP，\u4e0d\u4f18\u5316\u6574\u4f53\u6b27\u5f0f\u8ddd\u79bb，\u53ea\u4f18\u5316\u6cd5\u7ebf\u65b9\u5411\u8bef\u5dee\u3002<\/p>\n

  • \u6570\u5b66\u5b9a\u4e49：\"E，ni：\u76ee\u6807\u8fb9\u7f18\u6cd5\u7ebf；\"${n_i}^\\\\top(\\\\cdot)$\"：\u628a\u8bef\u5dee\u6295\u5f71\u5230\u6cd5\u7ebf\u65b9\u5411，\u672c\u8d28\u662f\u8ba1\u7b97\u70b9\u7684\u6cd5\u7ebf\u65b9\u5411\u8ddd\u79bb\u3002<\/li>\n
  • \u4e3a\u4ec0\u4e48\u7a33\u5b9a：\u5bf9\u4e8e\u8fb9\u7f18，\u6cd5\u7ebf\u65b9\u5411\u7ea6\u675f\u5f3a，\u5207\u7ebf\u65b9\u5411\u672c\u8eab\u4e0d\u7a33\u5b9a，\u4f8b\u5982\u70b9\u6cbf\u8fb9\u7f18\u5de6\u53f3\u6ed1\u52a8，\u5b9e\u9645\u4e0a\u8fb9\u7f18\u5f62\u72b6\u51e0\u4e4e\u6ca1\u53d8\u5316，\u4f46 Point-to-Point \u4f1a\u8ba4\u4e3a\u70b9\u4f4d\u7f6e\u53d1\u751f\u53d8\u5316，\u56e0\u6b64\u8bef\u5dee\u6301\u7eed\u53d8\u5316\u3002\u800c Point-to-Line \u53ea\u5173\u5fc3\u70b9\u662f\u5426\u8d34\u8fd1\u8fb9\u7f18，\u56e0\u6b64\u6cbf\u8fb9\u7f18\u6ed1\u52a8\u65f6，\u6cd5\u7ebf\u65b9\u5411\u8ddd\u79bb\u51e0\u4e4e\u4e0d\u53d8，\u8bef\u5dee\u53d8\u5316\u5f88\u5c0f\u3002<\/li>\n
  • \u4f18\u70b9：1.\u6536\u655b\u66f4\u5feb，\u4f18\u5316\u65b9\u5411\u66f4\u51c6\u786e\u30022.\u8fb9\u7f18\u65b9\u5411\u7ea6\u675f\u66f4\u5408\u7406\u30023.\u5c0f\u89d2\u5ea6\u914d\u51c6\u6548\u679c\u66f4\u597d，\u5c24\u5176\u8fde\u7eed\u5e27\u3002<\/li>\n
  • \u7f3a\u70b9：1.\u4f9d\u8d56\u521d\u503c\u30022.\u9700\u8981\u7a33\u5b9a\u6cd5\u7ebf\u30023.\u5bf9\u566a\u58f0\u654f\u611f\u3002<\/li>\n

    \"\"<\/p>\n

    1.2.2 \u57fa\u4e8e\u8f6e\u5ed3\u7684\u65b9\u6cd5<\/h5>\n

    \u8f6e\u5ed3\u65b9\u6cd5\u662f\u8fb9\u7f18\u65b9\u6cd5\u7684\u201c\u9ad8\u7ea7\u7ed3\u6784\u5316\u7248\u672c\u201d，\u56e0\u4e3a\u8fb9\u7f18\u662f\u79bb\u6563\u5c40\u90e8\u51e0\u4f55，\u800c\u8f6e\u5ed3\u662f\u8fde\u7eed\u6574\u4f53\u51e0\u4f55，\u5b83\u66f4\u5173\u6ce8\u201c\u7269\u4f53\u6574\u4f53\u5f62\u72b6\u201d\u800c\u4e0d\u662f\u5355\u4e2a\u8fb9\u7f18\u70b9\u3002<\/p>\n

    \u8f6e\u5ed3\u914d\u51c6\u6838\u5fc3\u76ee\u6807：\"$T^*=\\\\arg\\\\min，\u5176\u4e2d C1,C2 \u8868\u793a\u8f6e\u5ed3\u66f2\u7ebf；T \u662f\u51e0\u4f55\u53d8\u6362\u3002\u672c\u8d28\u662f\u8ba9\u4e24\u4e2a\u5f62\u72b6\u5c3d\u53ef\u80fd\u4e00\u81f4\u3002<\/p>\n

    （1）\u5b8c\u6574\u6d41\u7a0b<\/p>\n

    1.\u56fe\u50cf\u9884\u5904\u7406：\u7070\u5ea6\u5316\u3001\u9ad8\u65af\u53bb\u566a\u3002<\/p>\n

    2.\u8fb9\u7f18\u68c0\u6d4b：Canny \u7b97\u5b50\u83b7\u53d6\u8fb9\u7f18\u56fe\u3002<\/p>\n

    3.\u8f6e\u5ed3\u63d0\u53d6：\u63d0\u53d6\u8fde\u901a\u8f6e\u5ed3\u3001\u5c01\u95ed\u533a\u57df\u8f6e\u5ed3\u3002\u901a\u5e38\u8fb9\u7f18\u56fe \u2192 \u8fde\u901a\u533a\u57df \u2192 \u8f6e\u5ed3\u3002<\/p>\n

    4.\u8f6e\u5ed3\u7279\u5f81\u8ba1\u7b97：Hu \u4e0d\u53d8\u77e9\u3001\u5085\u91cc\u53f6\u63cf\u8ff0\u5b50\u7b49\u3002<\/p>\n

    5.\u8f6e\u5ed3\u76f8\u4f3c\u5ea6\u5339\u914d：\u6bd4\u5bf9\u8f6e\u5ed3\u7279\u5f81\u7b5b\u9009\u5339\u914d\u5bf9\u3002<\/p>\n

    6.\u6c42\u89e3\u51e0\u4f55\u53d8\u6362\u77e9\u9635\u3002<\/p>\n

    7.\u56fe\u50cf\u53d8\u6362\u5b8c\u6210\u914d\u51c6\u5bf9\u9f50\u3002<\/p>\n

    （2）\u4e0e\u8fb9\u7f18\u7684\u5bf9\u6bd4<\/p>\n\n\u5bf9\u6bd4\u8fb9\u7f18（Edge）\u8f6e\u5ed3（Contour）<\/tr>\n\n\n\n\n\n\n\n\n\n\n
    \u672c\u8d28<\/td>\n\u5c40\u90e8\u68af\u5ea6\u7a81\u53d8<\/td>\n\u5b8c\u6574\u95ed\u5408\u7ed3\u6784<\/td>\n<\/tr>\n
    \u4fe1\u606f\u5c42\u7ea7<\/td>\n\u5c40\u90e8<\/td>\n\u5168\u5c40<\/td>\n<\/tr>\n
    \u6570\u636e\u5f62\u5f0f<\/td>\n\u8fb9\u7f18\u70b9<\/td>\n\u66f2\u7ebf\/\u533a\u57df<\/td>\n<\/tr>\n
    \u5178\u578b\u8f93\u51fa<\/td>\nCanny<\/td>\nfindContours<\/td>\n<\/tr>\n
    \u5173\u6ce8\u91cd\u70b9<\/td>\n\u8fb9\u7f18\u4f4d\u7f6e<\/td>\n\u5f62\u72b6\u7ed3\u6784<\/td>\n<\/tr>\n
    \u5bf9\u566a\u58f0<\/td>\n\u66f4\u654f\u611f<\/td>\n\u66f4\u7a33\u5b9a<\/td>\n<\/tr>\n
    \u5bf9\u906e\u6321<\/td>\n\u8f83\u5f3a<\/td>\n\u8f83\u5f31<\/td>\n<\/tr>\n
    \u9002\u5408<\/td>\nVO\/SLAM<\/td>\n\u76ee\u6807\u8bc6\u522b\/\u533b\u5b66<\/td>\n<\/tr>\n
    \u662f\u5426\u95ed\u5408<\/td>\n\u4e0d\u4e00\u5b9a<\/td>\n\u901a\u5e38\u95ed\u5408<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

    （3）\u8f6e\u5ed3\u76f8\u5173\u6982\u5ff5<\/p>\n

    1.\u8f6e\u5ed3\u8868\u793a\u65b9\u6cd5：<\/p>\n

  • \u70b9\u94fe：P1 \u2192 P2 \u2192 P3\u3002<\/li>\n
  • \u95ed\u5408\u66f2\u7ebf：\u5b8c\u6574\u8fb9\u754c\u3002<\/li>\n
  • \u591a\u8fb9\u5f62\u8fd1\u4f3c：approxPolyDP()\u3002<\/li>\n

    2.\u57fa\u7840\u51e0\u4f55\u91cf：<\/p>\n

  • \u9762\u79ef：contourArea()\u3002<\/li>\n
  • \u5468\u957f：arcLength()\u3002<\/li>\n
  • \u5916\u63a5\u77e9\u5f62：boundingRect()\u3002<\/li>\n
  • \u6700\u5c0f\u5916\u63a5\u65cb\u8f6c\u77e9\u5f62：minAreaRect()\u3002<\/li>\n
  • \u51f8\u5305：convexHull()\u3002<\/li>\n

    3.\u77e9（Moments）：\u8f6e\u5ed3\u65b9\u6cd5\u6838\u5fc3\u6570\u5b66\u5de5\u5177\u4e4b\u4e00，\u601d\u60f3\u6765\u6e90\u4e8e\u7269\u7406\u4e2d\u7684\u8d28\u91cf\u77e9，\u5728\u56fe\u50cf\u4e2d\u628a\u50cf\u7d20\u770b\u6210\u8d28\u91cf，\u56e0\u6b64\u56fe\u50cf\u77e9\u7528\u4e8e\u63cf\u8ff0\u50cf\u7d20\u5982\u4f55\u5206\u5e03\u3002<\/p>\n

  • \u56fe\u50cf\u77e9：\"m_{pq}，\u8d28\u5fc3：\"c_x\u3002\u65b9\u5411：\u628a\u5750\u6807\u79fb\u5230\u8d28\u5fc3，\u7528\u4e8c\u9636\u4e2d\u5fc3\u77e9 \u03bc20\u200b,\u03bc11\u200b,\u03bc02\u200b \u7b97\u4e3b\u8f74\u89d2\u5ea6\u3002\u5c3a\u5ea6：m00\u200b \u7ed9\u51fa\u6574\u4f53\u9762\u79ef；\u4e8c\u9636\u77e9\u7279\u5f81\u503c\u7ed9\u51fa\u957f \/ \u77ed\u8f74\u5c3a\u5bf8\u3002\n
  • \u96f6\u9636\u77e9：\"$m_{00}，\u4ee3\u8868\u56fe\u50cf\u7684\u603b\u201c\u8d28\u91cf\u201d（\u6240\u6709\u50cf\u7d20\u5f3a\u5ea6\u4e4b\u548c）<\/li>\n
  • \u4e00\u9636\u77e9：\u7528\u4e8e\u8ba1\u7b97\u8d28\u5fc3，\"$m_{10}，\u4ee3\u8868\u56fe\u50cf\u5728x\u65b9\u5411\u4e0a\u7684\u52a0\u6743\u548c；\"m_{01}，\u4ee3\u8868\u56fe\u50cf\u5728y\u65b9\u5411\u4e0a\u7684\u52a0\u6743\u548c\u3002<\/li>\n
  • \u4e2d\u5fc3\u77e9：\u53bb\u9664\u5e73\u79fb\u5f71\u54cd，\"\\\\mu_{pq}，\"(\\\\bar{x},\u662f\u8d28\u5fc3\u3002<\/li>\n
  • \u5f52\u4e00\u5316\u4e2d\u5fc3\u77e9：\u4e2d\u5fc3\u77e9\u4ecd\u53d7\u7f29\u653e\u5f71\u54cd，\u6240\u4ee5\u7ee7\u7eed\u5f52\u4e00\u5316\u5b9e\u73b0\u5c3a\u5ea6\u4e0d\u53d8\u6027，\"\\\\eta_{pq}，\u5176\u4e2d\"\\\\gamma<\/li>\n<\/li>\n
  • Hu Moments（Hu \u4e0d\u53d8\u77e9）：\u57fa\u4e8e\"\\\\eta_{pq}\"，\u6784\u9020\u51fa 7 \u4e2a\u4e0d\u53d8\u77e9，\u8bb0\u4f5c\"\\\\phi_1,\u3002\u672c\u8d28\u662f\u7528\u4f4e\u9636\u7edf\u8ba1\u91cf\u63cf\u8ff0\u6574\u4f53\u5f62\u72b6，\u4f4e\u9636\u77e9\u63cf\u8ff0\u5927\u8f6e\u5ed3\u3001\u4e3b\u4f53\u7ed3\u6784，\u9ad8\u9636\u77e9\u63cf\u8ff0\u7ec6\u8282\u3001\u504f\u659c\u3001\u5c40\u90e8\u7ed3\u6784，\u56e0\u6b64 Hu \u66f4\u504f\u5168\u5c40\u5f62\u72b6\u7279\u5f81\u3002\n
  • \u7b2c\u4e00\u77e9：\"\\\\phi_1，\u63cf\u8ff0\u5728\u5f62\u72b6\u6574\u4f53\u6269\u6563\u7a0b\u5ea6\u3002<\/li>\n
  • \u7b2c\u4e8c\u77e9：\"\\\\phi_2，\u63cf\u8ff0\u5f62\u72b6\u4e3b\u65b9\u5411\u4e0e\u65b9\u5411\u504f\u7f6e\u7a0b\u5ea6\u3002<\/li>\n
  • \u7b2c\u4e09\u77e9：\"\\\\phi_3，\u63cf\u8ff0\u5f62\u72b6\u7684\u4e0d\u5bf9\u79f0\u6027\u4e0e\u504f\u659c\u7a0b\u5ea6\u3002<\/li>\n
  • \u540e\u9762\u51e0\u4e2a\u77e9\u8fdb\u4e00\u6b65\u7ec4\u5408\u4e09\u9636\u77e9\u4e0e\u9ad8\u9636\u6df7\u5408\u9879，\u7528\u4e8e\u63cf\u8ff0\u5f62\u72b6\u7684\u5bf9\u79f0\u6027\u3001\u504f\u659c\u7a0b\u5ea6\u3001\u66f2\u7387\u53d8\u5316\u4ee5\u53ca\u590d\u6742\u51e0\u4f55\u7ed3\u6784\u3002<\/li>\n
  • \u76f4\u89c2\u7406\u89e3：\u5047\u8bbe\u5706\u5f62，Hu Moments\u6bd4\u8f83\u7a33\u5b9a，\u65cb\u8f6c\u6216\u65b9\u6cd5\u540e\u7684\u8fdc\u4ecd\u57fa\u672c\u4e0d\u53d8，\u56e0\u6b64 Hu \u80fd\u8bc6\u522b\u8fd9\u662f\u540c\u4e00\u4e2d\u5f62\u72b6\u3002<\/li>\n<\/li>\n

    \"\"\"\"<\/p>\n

    （4）\u5339\u914d\u7b97\u6cd5<\/p>\n

    1.Hu Moments Matching<\/p>\n

    \u6574\u4f53\u6d41\u7a0b：<\/p>\n

  • \u4e8c\u503c\u5316：\u5c06\u5355\u901a\u9053\u7070\u5ea6\u56fe\u50cf\u8f6c\u6362\u4e3a\u4ec5\u542b\u4e24\u79cd\u50cf\u7d20\u503c\u7684\u56fe\u50cf\u5904\u7406\u64cd\u4f5c，\u8f93\u51fa\u56fe\u50cf\u50cf\u7d20\u53ea\u6709\u4e24\u7c7b：\u524d\u666f（\u76ee\u6807）\u4e0e\u80cc\u666f，\u901a\u5e38\u53d6\u503c\u4e3a 0（\u7eaf\u9ed1）\u548c 255（\u7eaf\u767d）\u3002<\/li>\n
  • \u63d0\u53d6\u8f6e\u5ed3：\u5f97\u5230\u7684\u6bcf\u4e2a\u8f6e\u5ed3\u672c\u8d28\u4e0a\u662f\u4e00\u5708\u8fb9\u7f18\u70b9\u3002<\/li>\n
  • \u8ba1\u7b97\u56fe\u50cf\u77e9\u3001\u4e2d\u5fc3\u8ddd\u3001\u5f52\u4e00\u5316\u4e2d\u5fc3\u77e9\u3002<\/li>\n
  • \u6784\u9020 Hu \u4e03\u4e2a\u77e9：\u4e03\u7ef4\u5f62\u72b6\u5411\u91cf\u7279\u5f81，\u672c\u8d28\u662f\u5c06\u590d\u6742\u8f6e\u5ed3\u538b\u7f29\u6210\u4e03\u4e2a\u6570\u5b57，\u4f8b\u5982[hu0, hu1, hu2, hu3, hu4, hu5, hu6]\u2192 [0.182, 0.004, 0.000001, …, …, …, …]\u3002<\/li>\n
  • Log \u53d8\u6362：\u5b9e\u9645\u4e2d\u901a\u5e38\"$H_i，\u56e0\u4e3a Hu Moments \u6570\u503c\u8de8\u5ea6\u6781\u5927，\u4e0d\u53d6 log \u6570\u503c\u4e0d\u7a33\u5b9a\u3001\u5c0f\u503c\u88ab\u6df9\u6ca1\u3002<\/li>\n
  • \u4e24\u4e2a\u5f62\u72b6\u8fdb\u884c\u6bd4\u8f83：\u73b0\u5728\u6bcf\u4e2a\u5f62\u72b6\u90fd\u6709\u4e00\u4e2a 7 \u7ef4\u5411\u91cf，\u8ba1\u7b97\u7279\u5f81\u8ddd\u79bb，\u82e5 d < T，\u5219\u8ba4\u4e3a\u4e24\u4e2a\u5f62\u72b6\u76f8\u540c，\u5426\u5219\u4e0d\u5339\u914d\u3002\n
  • \u6b27\u5f0f\u8ddd\u79bb：\"d\u3002<\/li>\n
  • L1\u8ddd\u79bb：\"d\u3002<\/li>\n
  • Cosine Similarity：\u6bd4\u8f83\u65b9\u5411\u76f8\u4f3c\u6027\u3002<\/li>\n<\/li>\n

    \u4e3a\u4ec0\u4e48 Hu \u80fd\u8bc6\u522b\u65cb\u8f6c\u540e\u7684\u76ee\u6807：\u5728 Hu \u6784\u9020\u516c\u5f0f\u4e2d，\u65cb\u8f6c\u9879\u4f1a\u76f8\u4e92\u62b5\u6d88\u3002<\/p>\n

    \u4e3a\u4ec0\u4e48 Hu \u5bf9\u5c40\u90e8\u7f3a\u635f\u4e0d\u5f3a：\u56e0\u4e3a Hu \u672c\u8d28\u662f\u5168\u5c40\u7edf\u8ba1\u91cf，\u5c40\u90e8\u7f3a\u4e00\u5757，\u6574\u4f53\u77e9\u90fd\u4f1a\u53d8\u5316，\u56e0\u6b64\u5bf9\u906e\u6321\u9c81\u68d2\u6027\u4e0d\u5f3a，\u4e0d\u5982 Shape Context\u3002<\/p>\n

    \u4f18\u70b9：1.\u5e73\u79fb\u3001\u65cb\u8f6c\u3001\u5c3a\u5ea6\u4e0d\u53d8\u30022.\u8ba1\u7b97\u901f\u5ea6\u5feb，Hu \u6700\u7ec8\u53ea\u6709 7 \u7ef4\u7279\u5f81，\u8ba1\u7b97\u590d\u6742\u5ea6\u975e\u5e38\u4f4e\u30023.OpenCV \u539f\u751f\u652f\u6301，\u5b9e\u73b0\u7b80\u5355\u30024.Hu\u672c\u8d28\u662f\u5168\u5c40\u5f62\u72b6\u7edf\u8ba1，\u56e0\u6b64\u5bf9\u4e8e\u5706\u5f62\u3001\u4e09\u89d2\u5f62\u3001\u5b57\u7b26\u8f6e\u5ed3\u3001Logo\u7b49\u6574\u4f53\u7ed3\u6784\u660e\u663e\u7684\u76ee\u6807\u6548\u679c\u66f4\u597d\u3002<\/p>\n

    \u7f3a\u70b9：1.\u5bf9\u5c40\u90e8\u7ec6\u8282\u63cf\u8ff0\u5f31，Hu \u662f\u5168\u5c40\u7edf\u8ba1\u91cf，\u56e0\u6b64\u5c40\u90e8\u7ec6\u8282\u5bb9\u6613\u4e22\u5931\u30022.\u5bf9\u906e\u6321\u9c81\u68d2\u6027\u4e00\u822c，Hu\u7edf\u8ba1\u7684\u662f\u5168\u5c40\u50cf\u7d20\u5206\u5e03，\u90e8\u5206\u906e\u6321\u5f71\u54cd\u6574\u4f53\u7279\u5f81\u30023.\u5bf9\u566a\u58f0\u654f\u611f，\u5c24\u5176\u9ad8\u9636\u77e9\u5bf9\u8fb9\u7f18\u6bdb\u523a\u5f88\u654f\u611f\u30024.\u533a\u5206\u590d\u6742\u5f62\u72b6\u80fd\u529b\u6709\u9650，\u53ea\u6709\u4e03\u4e2a\u6570\u5b57，\u8868\u8fbe\u80fd\u529b\u6709\u9650\u3002<\/p>\n

    \u9002\u7528\u573a\u666f：1.OCR \u5b57\u7b26\u8bc6\u522b，\u4f8b\u5982\u6570\u5b57\u3001\u5b57\u6bcd\u3001\u7b80\u5355\u6c49\u5b57，\u56e0\u4e3a\u5b57\u7b26\u6574\u4f53\u8f6e\u5ed3\u7a33\u5b9a\u30022.Logo \/ \u56fe\u6807\u5339\u914d，\u4f8b\u5982\u5546\u6807\u3001\u56fe\u6807\u3001\u7b80\u5355\u7b26\u53f7，\u9002\u5408\u5168\u5c40\u5f62\u72b6\u6bd4\u8f83\u30023.\u5de5\u4e1a\u96f6\u4ef6\u5206\u7c7b，\u4f8b\u5982\u87ba\u6bcd\u3001\u57ab\u7247\u3001\u5de5\u4ef6\u8f6e\u5ed3，\u7279\u70b9\u662f\u65cb\u8f6c\u65b9\u5411\u4e0d\u56fa\u5b9a\u3001\u5c3a\u5ea6\u53ef\u80fd\u53d8\u5316，Hu\u7684\u4e0d\u53d8\u6027\u5f88\u9002\u5408\u30024.\u7b80\u5355\u76ee\u6807\u68c0\u6d4b，\u4f8b\u5982\u5706\u5f62\u68c0\u6d4b\u3001\u4e09\u89d2\u5f62\u68c0\u6d4b\u3001\u51e0\u4f55\u6a21\u677f\u5339\u914d\u30025.\u8f6e\u5ed3\u5feb\u901f\u7b5b\u9009，Hu \u5e38\u7528\u4e8e\u7c97\u5339\u914d\u5feb\u901f\u7b5b\u9009\u6389\u660e\u663e\u4e0d\u76f8\u4f3c\u7684\u76ee\u6807，\u540e\u7eed\u518d ICP\u3001Shape Context \u7cbe\u5339\u914d\u3002<\/p>\n

    \"\"<\/p>\n

    2.Shape Context（\u5f62\u72b6\u4e0a\u4e0b\u6587）<\/p>\n

    \u57fa\u4e8e\u70b9\u7a7a\u95f4\u5206\u5e03\u7edf\u8ba1\u7684\u5f62\u72b6\u63cf\u8ff0\u65b9\u6cd5，\u7528\u201c\u67d0\u70b9\u5468\u56f4\u5176\u5b83\u70b9\u7684\u7a7a\u95f4\u5206\u5e03\u201d\u63cf\u8ff0\u8be5\u70b9，\u6bcf\u4e2a\u70b9\u90fd\u62e5\u6709\u4e00\u4e2a\u5c40\u90e8\u51e0\u4f55\u76f4\u65b9\u56fe\u3002<\/p>\n

    \u6570\u5b66\u5b9a\u4e49：\u5bf9\u4e8e\u70b9 pi，\u7edf\u8ba1\u5176\u5b83\u70b9 q\u2260pi \u7684\u76f8\u5bf9\u5750\u6807 (r,\u03b8)，\u5176\u4e2d\"$r<\/p>\n

    \u3002\u7136\u540e\u5c06 (r,\u03b8) \u5212\u5206\u5230\u5bf9\u6570\u6781\u5750\u6807\u7f51\u7edc\u4e2d，\u5f97\u5230\"h_i(k)<\/p>\n

    ，\u5373\u7b2c k \u4e2a\u7a7a\u95f4 bin \u5185\u6709\u591a\u5c11\u4e2a\u70b9，\u8fd9\u5c31\u662f Shape Context Descriptor\u3002<\/p>\n

    Log-Polar Histogram（\u5bf9\u6570\u6781\u5750\u6807\u76f4\u65b9\u56fe）：<\/p>\n

  • \u89d2\u5ea6\u5212\u5206：\u4f8b\u5982 12 \u4e2a\u65b9\u5411，\u89d2\u5ea6\u4fe1\u606f\u5929\u7136\u9002\u5408\u63cf\u8ff0\u5f62\u72b6\u3002<\/li>\n
  • \u534a\u5f84\u5212\u5206：\u4f8b\u5982 5 \u4e2a\u8ddd\u79bb\u5c42，\u8fd1\u8ddd\u79bb\u7ed3\u6784\u66f4\u91cd\u8981，\u56e0\u6b64\u534a\u5f84\u91c7\u7528\u5bf9\u6570\u5206\u5c42\u3002<\/li>\n
  • \u6700\u7ec8\u5f62\u6210 12 * 5 = 60 \u7ef4\u76f4\u65b9\u56fe\u3002<\/li>\n

    \u6574\u4f53\u6d41\u7a0b：<\/p>\n

  • \u63d0\u53d6\u8f6e\u5ed3\u70b9\u3002<\/li>\n
  • \u4e3a\u6bcf\u4e2a\u70b9\u5efa\u7acb Shape Context：\u6bcf\u4e2a\u70b9\u4e00\u4e2a\u7a7a\u95f4\u76f4\u65b9\u56fe，\u4e00\u4e2a\u4f8b\u598260\u7ef4\u6d6e\u70b9\u63cf\u8ff0\u5b50\u3002<\/li>\n
  • \u70b9\u63cf\u8ff0\u5b50\u5339\u914d：\u6bd4\u8f83 \"$h_i,\\\\,，\u901a\u5e38\u4f7f\u7528\u5361\u65b9\u8ddd\u79bb（Chi-Square Distance）\"C_{ij}，\u8ddd\u79bb\u8d8a\u5c0f，\u4e24\u70b9\u7a7a\u95f4\u7ed3\u6784\u8d8a\u76f8\u4f3c\u3002<\/li>\n
  • \u5efa\u7acb\u5bf9\u5e94\u5173\u7cfb：\u901a\u5e38\u4f7f\u7528（Hungarian Algorithm）\u5308\u7259\u5229\u7b97\u6cd5\u5bfb\u627e\u5168\u5c40\u6700\u4f18\u70b9\u5339\u914d，\u800c\u4e0d\u662f\u6700\u8fd1\u70b9\u5339\u914d\u3002<\/li>\n
  • \u6c42\u51e0\u4f55\u53d8\u6362\u3002<\/li>\n

    \u4f18\u70b9：1.\u63cf\u8ff0\u80fd\u529b\u5f3a，\u540c\u65f6\u5305\u542b\u5c40\u90e8\u3001\u5168\u5c40\u7ed3\u6784\u30022.\u5bf9\u975e\u521a\u4f53\u5f62\u53d8\u9c81\u68d2\u30023.\u5bf9\u90e8\u5206\u906e\u6321\u9c81\u68d2\u30024.\u4e0d\u4f9d\u8d56\u4e25\u683c\u6700\u8fd1\u70b9\u3002<\/p>\n

    \u7f3a\u70b9：1.\u8ba1\u7b97\u91cf\u5927，\u6bcf\u4e2a\u70b9\u90fd\u8981\u7edf\u8ba1\u4e0e\u6240\u6709\u5176\u5b83\u70b9\u7684\u5173\u7cfb\u30022.\u53c2\u6570\u8f83\u654f\u611f，\u4f8b\u5982 bin \u6570\u3001\u534a\u5f84\u5c42\u6570\u3001\u89d2\u5ea6\u5212\u5206\u3002<\/p>\n

    \"\"<\/p>\n

    3.Fourier Shape Matching（\u5085\u91cc\u53f6\u5f62\u72b6\u5339\u914d）<\/p>\n

    \u57fa\u4e8e\u9891\u57df\u5f62\u72b6\u63cf\u8ff0\u7684\u8f6e\u5ed3\u5339\u914d\u65b9\u6cd5，\u6838\u5fc3\u662f\u5c06\u76ee\u6807\u8f6e\u5ed3\u53d8\u6362\u5230\u5085\u91cc\u53f6\u9891\u57df，\u7528\u9891\u8c31\u63cf\u8ff0\u6574\u4f53\u5f62\u72b6，\u518d\u6bd4\u8f83\u9891\u8c31\u76f8\u4f3c\u6027\u3002\u672c\u8d28\u5c5e\u4e8e\u5f62\u72b6\u63cf\u8ff0\u5b50（Shape Descriptor）\u800c\u4e0d\u662f ICP \u90a3\u79cd\u51e0\u4f55\u8fed\u4ee3\u4f18\u5316\u3002\u8be6\u7ec6\u89c1\u76f8\u4f4d\u76f8\u5173\u6cd5\u3002<\/p>\n

    \u6838\u5fc3\u601d\u60f3：\u5047\u8bbe\u8f6e\u5ed3：\u4e00\u5708\u8fb9\u7f18\u70b9，\u5148\u628a\u8f6e\u5ed3\u8868\u793a\u4e3a (xi\u200b,yi\u200b)，\u7136\u540e\u6784\u9020\u590d\u6570\u5e8f\u5217\"$z_i<\/p>\n

    ，\u5373z=[z0\u200b,z1\u200b,\u2026,zN\u22121\u200b]，\u7136\u540e\u505a\u79bb\u6563\u5085\u91cc\u53f6\u53d8\u6362（DFT）\"F(k)\u00a0\u5f97\u5230\u5085\u91cc\u53f6\u63cf\u8ff0\u5b50<\/p>\n

    \u51e0\u4f55\u610f\u4e49\u200b：\u4f4e\u9891：\u6574\u4f53\u5f62\u72b6，\u4fdd\u7559\u5927\u8f6e\u5ed3；\u9ad8\u9891：\u5c40\u90e8\u7ec6\u8282；\u5e45\u503c：\u5f62\u72b6\u5f3a\u5ea6；\u76f8\u4f4d：\u7a7a\u95f4\u4f4d\u7f6e\u3002<\/p>\n

    Fourier Matching \u6d41\u7a0b：<\/p>\n

  • \u63d0\u53d6\u8f6e\u5ed3：\u901a\u5e38Canny\u7b49\u5f97\u5230\u8fb9\u7f18\u70b9\u3002<\/li>\n
  • \u8f6e\u5ed3\u53c2\u6570\u5316：\u628a\u8f6e\u5ed3\u6309\u987a\u5e8f\u6392\u5217 (xi\u200b,yi\u200b) \u5f62\u6210\u95ed\u5408\u66f2\u7ebf.<\/li>\n
  • \u8f6c\u4e3a\u590d\u6570：\u4f8b\u5982 (3,2) \u2192 3+2j\u3002<\/li>\n
  • \u5085\u91cc\u53f6\u53d8\u6362：\u8ba1\u7b97 F(k) \u5f97\u5230\u9891\u8c31\u3002<\/li>\n
  • \u63d0\u53d6\u5085\u91cc\u53f6\u63cf\u8ff0\u5b50：\u901a\u5e38\u53ea\u4fdd\u7559\u524d\u51e0\u4e2a\u4f4e\u9891\u7cfb\u6570，\u56e0\u4e3a\u4f4e\u9891\u6700\u7a33\u5b9a，\u7528\u6765\u4f5c\u4e3a\u5f62\u72b6\u7279\u5f81\u3002<\/li>\n
  • \u7279\u5f81\u5339\u914d：\u6bd4\u8f83\u6b27\u5f0f\u8ddd\u79bb\u3001cosine similarity\u3001correlation \u5bfb\u627e\u6700\u76f8\u4f3c\u5f62\u72b6\u3002<\/li>\n

    \u4f18\u70b9：1.\u5929\u7136\u65cb\u8f6c\/\u5c3a\u5ea6\/\u5e73\u79fb\u4e0d\u53d8\u30022.\u5bf9\u5c40\u90e8\u566a\u58f0\u9c81\u68d2，\u56e0\u4e3a\u4f4e\u9891\u4e3b\u5bfc\u6574\u4f53\u5f62\u72b6\u30023.\u7279\u5f81\u7ef4\u5ea6\u4f4e，\u53ea\u9700\u8981\u5c11\u91cf\u5085\u91cc\u53f6\u7cfb\u6570\u30024.\u5339\u914d\u901f\u5ea6\u5feb\u3002<\/p>\n

    \u7f3a\u70b9：1.\u5bf9\u5c40\u90e8\u906e\u6321\u654f\u611f\u30022.\u5bf9\u590d\u6742\u975e\u521a\u4f53\u5f62\u53d8\u5dee，\u56e0\u4e3a\u5085\u91cc\u53f6\u66f4\u5173\u6ce8\u6574\u4f53\u7ed3\u6784\u30023.\u65e0\u6cd5\u63d0\u4f9b\u7cbe\u7ec6\u51e0\u4f55\u5bf9\u9f50，\u66f4\u9002\u5408\u8bc6\u522b\u800c\u4e0d\u662f\u7cbe\u914d\u51c6\u3002<\/p>\n

    \u8fb9\u7f18\u65b9\u6cd5\u672c\u8d28\u95ee\u9898：1.\u8fb9\u7f18\u7f3a\u5c11\u552f\u4e00\u6027，\u4f8b\u5982\u5f88\u591a\u5e73\u884c\u7ebf\u5bb9\u6613\u6b67\u4e49，\u4e0d\u50cfSIFT\u6709\u9ad8\u7ef4\u63cf\u8ff0\u5b50\u30022.\u8fb9\u7f18\u5bb9\u6613\u65ad\u88c2，\u7531\u4e8e\u566a\u58f0\u3001\u5149\u7167\u3001\u906e\u6321，\u8fb9\u7f18\u53ef\u80fd\u4e0d\u8fde\u7eed\u30023.\u8ba1\u7b97\u91cf\u5927，\u8fb9\u7f18\u6570\u91cf\u901a\u5e38\u8fdc\u5927\u4e8e\u5173\u952e\u70b9\u3002\u73b0\u4ee3 SLAM \u901a\u5e38 Point+Line \u878d\u5408\u3002<\/p>\n

    1.\u9884\u5904\u7406\u4e0e\u8fb9\u7f18
    \nGaussianBlur() \/\/ \u9ad8\u65af\u964d\u566a
    \nCanny() \/\/ \u8fb9\u7f18\u68c0\u6d4b
    \n2.\u8f6e\u5ed3\u63d0\u53d6\u6838\u5fc3
    \nfindContours() \/\/ \u67e5\u627e\u8f6e\u5ed3
    \ndrawContours() \/\/ \u7ed8\u5236\u8f6e\u5ed3
    \nboundingRect() \/\/ \u83b7\u53d6\u8f6e\u5ed3\u5916\u63a5\u77e9\u5f62
    \nminAreaRect() \/\/ \u83b7\u53d6\u8f6e\u5ed3\u6700\u5c0f\u5305\u56f4\u77e9\u5f62
    \n3.\u8f6e\u5ed3\u7279\u5f81\u8ba1\u7b97
    \nmoments() \/\/ \u8ba1\u7b97\u56fe\u50cf\u77e9
    \nHuMoments() \/\/ \u8ba1\u7b97Hu\u4e0d\u53d8\u77e9
    \n4.\u8f6e\u5ed3\u76f8\u4f3c\u5ea6\u5339\u914d
    \nmatchShapes() \/\/ \u5f62\u72b6\u8f6e\u5ed3\u5339\u914d<\/p>\n\n\u7279\u6027Hu MomentsShape ContextFourier Shape<\/tr>\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
    \u672c\u8d28<\/td>\n\u5229\u7528\u56fe\u50cf\u77e9\u7edf\u8ba1\u6574\u4f53\u50cf\u7d20\u5206\u5e03，\u901a\u8fc7\u4e0d\u53d8\u77e9\u63cf\u8ff0\u5168\u5c40\u5f62\u72b6\u7ed3\u6784<\/td>\n\u7edf\u8ba1\u6bcf\u4e2a\u70b9\u5468\u56f4\u5176\u5b83\u70b9\u7684\u7a7a\u95f4\u5206\u5e03\u5173\u7cfb，\u7528\u5c40\u90e8\u7a7a\u95f4\u7ed3\u6784\u63cf\u8ff0\u6574\u4f53\u5f62\u72b6<\/td>\n\u5c06\u8f6e\u5ed3\u8f6c\u6362\u5230\u9891\u57df，\u7528\u5085\u91cc\u53f6\u9891\u7387\u6210\u5206\u63cf\u8ff0\u8f6e\u5ed3\u7ed3\u6784<\/td>\n<\/tr>\n
    \u7279\u5f81\u7c7b\u578b<\/td>\n\u5168\u5c40\u7edf\u8ba1\u7279\u5f81<\/td>\n\u5c40\u90e8+\u5168\u5c40\u7a7a\u95f4\u7ed3\u6784\u7279\u5f81<\/td>\n\u5168\u5c40\u9891\u57df\u7279\u5f81<\/td>\n<\/tr>\n
    \u5c40\u90e8\u7ec6\u8282<\/td>\n\u5f31，\u5bf9\u5c40\u90e8\u53d8\u5316\u4e0d\u654f\u611f<\/td>\n\u5f3a，\u80fd\u63cf\u8ff0\u5c40\u90e8\u51e0\u4f55\u5173\u7cfb<\/td>\n\u4e2d，\u9ad8\u9891\u53ef\u63cf\u8ff0\u90e8\u5206\u7ec6\u8282<\/td>\n<\/tr>\n
    \u5168\u5c40\u7ed3\u6784<\/td>\n\u5f3a<\/td>\n\u5f3a<\/td>\n\u5f88\u5f3a<\/td>\n<\/tr>\n
    \u975e\u521a\u4f53\u80fd\u529b<\/td>\n\u5f31<\/td>\n\u5f3a，\u53ef\u7ed3\u5408 TPS \u5904\u7406\u5f62\u53d8<\/td>\n\u4e00\u822c<\/td>\n<\/tr>\n
    \u906e\u6321\u9c81\u68d2\u6027<\/td>\n\u5f31，\u5c40\u90e8\u7f3a\u5931\u4f1a\u5f71\u54cd\u6574\u4f53\u77e9<\/td>\n\u5f3a，\u5c40\u90e8\u7f3a\u635f\u4e0d\u6613\u7834\u574f\u6574\u4f53\u7ed3\u6784<\/td>\n\u4e00\u822c，\u5c40\u90e8\u7f3a\u5931\u4f1a\u5f71\u54cd\u9891\u8c31<\/td>\n<\/tr>\n
    \u566a\u58f0\u9c81\u68d2\u6027<\/td>\n\u4e00\u822c，\u9ad8\u9636\u77e9\u5bf9\u566a\u58f0\u654f\u611f<\/td>\n\u4e2d，\u4f9d\u8d56\u70b9\u5206\u5e03\u7a33\u5b9a\u6027<\/td>\n\u8f83\u5f3a，\u4f4e\u9891\u5bf9\u566a\u58f0\u8f83\u7a33\u5b9a<\/td>\n<\/tr>\n
    \u65cb\u8f6c\u4e0d\u53d8\u6027<\/td>\n\u5929\u7136\u652f\u6301<\/td>\n\u901a\u5e38\u901a\u8fc7\u4e3b\u65b9\u5411\u5f52\u4e00\u5316\u5b9e\u73b0<\/td>\n\u901a\u8fc7\u9891\u8c31\u5e45\u503c\u5b9e\u73b0<\/td>\n<\/tr>\n
    \u5c3a\u5ea6\u4e0d\u53d8\u6027<\/td>\n\u5929\u7136\u652f\u6301<\/td>\n\u901a\u8fc7\u8ddd\u79bb\u5f52\u4e00\u5316\u5b9e\u73b0<\/td>\n\u901a\u8fc7\u9891\u8c31\u5f52\u4e00\u5316\u5b9e\u73b0<\/td>\n<\/tr>\n
    \u5e73\u79fb\u4e0d\u53d8\u6027<\/td>\n\u5929\u7136\u652f\u6301<\/td>\n\u901a\u8fc7\u76f8\u5bf9\u5750\u6807\u5b9e\u73b0<\/td>\n\u53bb\u9664 DC \u5206\u91cf\u5b9e\u73b0<\/td>\n<\/tr>\n
    \u8ba1\u7b97\u91cf<\/td>\n\u5f88\u4f4e，\u4ec5\u5c11\u91cf\u77e9\u8fd0\u7b97<\/td>\n\u5f88\u9ad8，\u9700\u8981\u70b9\u95f4\u4e24\u4e24\u7edf\u8ba1<\/td>\n\u4e2d，\u4e3b\u8981\u4e3a FFT \u8ba1\u7b97<\/td>\n<\/tr>\n
    \u662f\u5426\u9700\u5bf9\u5e94\u70b9<\/td>\n\u5426<\/td>\n\u662f，\u9700\u8981\u5efa\u7acb\u70b9\u5339\u914d<\/td>\n\u5426<\/td>\n<\/tr>\n
    \u662f\u5426\u9700\u8981\u8fed\u4ee3<\/td>\n\u5426<\/td>\n\u90e8\u5206\u60c5\u51b5\u4e0b\u9700\u8981<\/td>\n\u5426<\/td>\n<\/tr>\n
    \u5b9e\u65f6\u6027<\/td>\n\u5f88\u5f3a<\/td>\n\u4e00\u822c<\/td>\n\u8f83\u5f3a<\/td>\n<\/tr>\n
    \u5178\u578b\u5e94\u7528<\/td>\nOCR\u3001Logo\u3001\u7b80\u5355\u8f6e\u5ed3\u5206\u7c7b<\/td>\n\u624b\u5199\u5b57\u7b26\u3001\u590d\u6742\u8f6e\u5ed3\u3001\u975e\u521a\u4f53\u5339\u914d<\/td>\n\u8f6e\u5ed3\u8bc6\u522b\u3001\u76ee\u6807\u5206\u7c7b\u3001\u5f62\u72b6\u68c0\u7d22<\/td>\n<\/tr>\n
    \u4f18\u52bf<\/td>\n\u7b80\u5355\u3001\u5feb\u901f\u3001\u4e0d\u53d8\u6027\u5f3a<\/td>\n\u63cf\u8ff0\u80fd\u529b\u5f3a，\u9002\u5408\u590d\u6742\u7ed3\u6784<\/td>\n\u5168\u5c40\u8f6e\u5ed3\u8868\u8fbe\u7a33\u5b9a，\u9891\u57df\u5206\u6790\u76f4\u89c2<\/td>\n<\/tr>\n
    \u52a3\u52bf<\/td>\n\u5c40\u90e8\u8868\u8fbe\u80fd\u529b\u5f31<\/td>\n\u8ba1\u7b97\u590d\u6742\u5ea6\u9ad8<\/td>\n\u5bf9\u5c40\u90e8\u906e\u6321\u4e0e\u590d\u6742\u5f62\u53d8\u654f\u611f<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n
    1.2.3 \u57fa\u4e8e\u76f4\u7ebf\u7684\u65b9\u6cd5（Line-based）<\/h5>\n

    \u7ebf\u7279\u5f81\u5339\u914d：\u5229\u7528\u56fe\u50cf\u4e2d\u7684\u7ebf\u6bb5\u3001\u76f4\u7ebf\u4f5c\u4e3a\u7279\u5f81，\u8fdb\u884c\u4e24\u5f20\u56fe\u50cf\u95f4\u7684\u5339\u914d\u3002<\/p>\n

    （1）\u76f8\u5173\u6982\u5ff5<\/p>\n

    \u6781\u5750\u6807\u8868\u793a：\u03c1=xcos\u03b8+ysin\u03b8，\u03c1\u8868\u793a\u539f\u70b9\u5230\u76f4\u7ebf\u8ddd\u79bb，\u03b8\u8868\u793a\u6cd5\u7ebf\u65b9\u5411\u89d2\u3002\u63a5\u8fd1\u5782\u76f4\u65f6\u659c\u7387\u4e0d\u4f1a\u53d8\u5316\u5267\u70c8\u5bf9\u4e8e\u3001\u5782\u76f4\u7ebf\u4e5f\u4e0d\u4f1a\u51fa\u73b0\u659c\u7387\u65e0\u7a77，\u6240\u6709\u65b9\u5411\u7a33\u5b9a\u3002<\/p>\n

    \u7ebf\u6bb5：\u6709\u9650\u7ebf\u6bb5\u957f\u5ea6，\u901a\u5e38\u8868\u793a(x1\u200b,y1\u200b,x2\u200b,y2\u200b)，\u8fd8\u4f1a\u5305\u542b\u957f\u5ea6\u3001\u65b9\u5411\u3001\u4e2d\u70b9\u3001\u7f6e\u4fe1\u5ea6\u3002<\/p>\n

    \u53c2\u6570\u7a7a\u95f4：\u6a2a\u8f74 \u03b8，\u7eb5\u8f74 \u03c1，\u6bcf\u4e2a\u8fb9\u7f18\u70b9 \u753b\u4e00\u6761\u6b63\u5f26\u66f2\u7ebf，\u5982\u679c\u5f88\u591a\u66f2\u7ebf\u4ea4\u4e8e\u540c\u4e00\u70b9\u5219\u51fa\u73b0\u4eae\u5cf0\u3002<\/p>\n

    2\u00d72 \u4e2d\u5fc3\u5dee\u5206 \u8ba1\u7b97\u68af\u5ea6：
    \n\"g_x(x,y)=\\\\frac{I(x+1,y)-I(x,y)+I(x+1,y+1)-I(x,y+1)}{2}\"\"g_y(x,y)=\\\\frac{I(x,y+1)-I(x,y)+I(x+1,y+1)-I(x+1,y)}{2}\"\u3002\u68af\u5ea6\u5e45\u503c（\u5f3a\u5ea6）\"$G(x,y)=g_x^2<\/p>\n

    \u3002\u68af\u5ea6\u65b9\u5411\"$\\\\theta(x,y)=\\\\arctan2(g_y,\\\\,，\u68af\u5ea6\u65b9\u5411\u5782\u76f4\u4e8e\u8fb9\u7f18\u65b9\u5411,LSD \u5c31\u662f\u9760\u8fd9\u4e2a\u65b9\u5411\u505a\u533a\u57df\u751f\u957f\u3002<\/p>\n

    NFA（Number of False Alarms）：\u671f\u671b\u8bef\u68c0\u6b21\u6570，\u672c\u8d28\u4e0a\u662f\u968f\u673a\u56fe\u50cf\u4e2d\u51fa\u73b0\u5f53\u524d\u7ebf\u6bb5\u7684\u671f\u671b\u8bef\u68c0\u6b21\u6570\u3002\u968f\u673a\u7eb9\u7406\u4e5f\u53ef\u80fd\u5c40\u90e8\u65b9\u5411\u4e00\u81f4，\u5982\u679c\u53ea\u9760\u65b9\u5411\u4e00\u81f4，\u4f1a\u4ea7\u751f\u5927\u91cf\u4f2a\u7ebf\u6bb5，NFA\u8981\u89e3\u51b3\u7684\u95ee\u9898\u5c31\u662f\u8fd9\u6761\u7ebf\u5230\u5e95\u662f\u4e0d\u662f\u5076\u7136\u51fa\u73b0\u7684\u3002NFA=0.001\u8868\u793a1000\u5f20\u968f\u673a\u56fe\u4e2d\u5e73\u5747\u624d\u51fa\u73b01\u6b21，\u8bf4\u660e\u51e0\u4e4e\u4e0d\u53ef\u80fd\u968f\u673a\u5f62\u6210；NFA=10，\u8868\u793a\u4e00\u5f20\u968f\u673a\u56fe\u5e73\u5747\u51fa\u73b010\u6b21\u8fd9\u79cd\u7ed3\u6784，\u56e0\u6b64\u62d2\u7edd\u3002<\/p>\n

    （2）\u5b8c\u6574\u6d41\u7a0b<\/p>\n

    1.\u56fe\u50cf\u9884\u5904\u7406：\u7070\u5ea6\u5316\u3001\u9ad8\u65af\u6ee4\u6ce2\u53bb\u566a<\/p>\n

    2.\u8fb9\u7f18\u68c0\u6d4b：Canny \u63d0\u53d6\u8fb9\u7f18\u8f6e\u5ed3<\/p>\n

    3.\u76f4\u7ebf\u68c0\u6d4b：\u970d\u592b\u53d8\u6362 \/ LSD \u7b97\u6cd5\u63d0\u53d6\u7ebf\u6bb5<\/p>\n

    4.\u63d0\u53d6\u76f4\u7ebf\u7279\u5f81：\u7ebf\u6bb5\u957f\u5ea6\u3001\u503e\u89d2\u3001\u7aef\u70b9\u5750\u6807\u3001\u4ea4\u70b9\u7b49<\/p>\n

    5.\u7ebf\u6bb5\u7279\u5f81\u5339\u914d：\u4f9d\u636e\u51e0\u4f55\u7279\u5f81\u5339\u914d\u5bf9\u5e94\u76f4\u7ebf<\/p>\n

    6.\u7b5b\u9009\u5339\u914d\u70b9\u5bf9，\u6c42\u89e3\u51e0\u4f55\u53d8\u6362\u77e9\u9635<\/p>\n

    7.\u900f\u89c6 \/ \u4eff\u5c04\u53d8\u6362，\u5b8c\u6210\u56fe\u50cf\u914d\u51c6\u5bf9\u9f50<\/p>\n

    \"\"<\/p>\n

    （3）\u76f4\u7ebf\u68c0\u6d4b\u65b9\u6cd5<\/p>\n

    1.\u4f20\u7edf\u970d\u592b\u7cfb<\/p>\n

    \u4f20\u7edf\u970d\u592b\u53d8\u6362（SHT）：\u6838\u5fc3\u601d\u60f3\u662f\u4ece\u8fb9\u7f18\u70b9\u4e2d\u627e\u51fa\u201c\u5171\u7ebf\u70b9\u96c6\u5408\u201d，\u672c\u8d28\u4e0a\u662f\u5168\u5c40\u53c2\u6570\u6295\u7968\u65b9\u6cd5\u3002\u56fe\u50cf\u7a7a\u95f4\u8fb9\u7f18\u70b9\u53ef\u80fd\u5c5e\u4e8e\u5f88\u591a\u76f4\u7ebf，\u6bcf\u4e2a\u70b9\u6620\u5c04\u4e3a\u03c1=xcos\u03b8+ysin\u03b8，\u5728(\u03c1,\u03b8)\u7a7a\u95f4\u5f62\u6210\u4e00\u6761\u66f2\u7ebf，\u5982\u679c\u5f88\u591a\u70b9\u5728\u540c\u4e00\u76f4\u7ebf\u4e0a，\u5b83\u4eec\u7684\u53c2\u6570\u66f2\u7ebf\u4f1a\u4ea4\u4e8e\u540c\u4e00\u70b9，\u8fd9\u4e2a\u4ea4\u70b9\u5c31\u662f\u76f4\u7ebf\u53c2\u6570\u3002<\/p>\n

    \"\"<\/p>\n

    \u4e3a\u4ec0\u4e48\u9700\u8981\u970d\u592b\u53d8\u6362：\u5047\u8bbe\u5df2\u7ecf\u5f97\u5230\u8fb9\u7f18\u56fe，\u56fe\u50cf\u4e2d\u6709\u5927\u91cf\u8fb9\u7f18\u70b9，\u8981\u627e\u5230\u54ea\u4e9b\u70b9\u5c5e\u4e8e\u540c\u4e00\u6761\u76f4\u7ebf，\u5982\u679c\u76f4\u63a5\u4e24\u4e24\u8fde\u63a5\u590d\u6742\u5ea6O(N2)，\u5e76\u4e14\u5bf9\u566a\u58f0\u654f\u611f\u3001\u65ad\u88c2\u8fb9\u7f18\u96be\u5904\u7406\u3001\u5c40\u90e8\u5224\u65ad\u4e0d\u7a33\u5b9a，\u56e0\u6b64\u970d\u592b\u53d8\u6362\u63d0\u51fa\u4e0d\u5728\u56fe\u50cf\u7a7a\u95f4\u627e\u7ebf，\u800c\u662f\u5728\u53c2\u6570\u7a7a\u95f4\u627e\u7ebf\u3002<\/p>\n

    \u6295\u7968\u673a\u5236：\u970d\u592b\u53d8\u6362\u7684\u672c\u8d28\u5c31\u662f\u53c2\u6570\u7a7a\u95f4\u7d2f\u52a0\u6295\u7968\u3002<\/p>\n

  • \u521d\u59cb\u5316\u53c2\u6570\u7a7a\u95f4：\u5efa\u7acb\u4e8c\u7ef4\u7d2f\u52a0\u5668，A(\u03c1,\u03b8)，\u521d\u59cb\u5168\u4e3a0\u3002<\/li>\n
  • \u904d\u5386\u6bcf\u4e2a\u8fb9\u7f18\u70b9：\u5355\u4e2a\u8fb9\u7f18\u70b9(x,y)，\u904d\u5386\u4e00\u7cfb\u5217\u89d2\u5ea6\u03b8，\u7b97\u51fa\u5bf9\u5e94\u03c1，\u6bcf\u4e00\u7ec4(\u03c1,\u03b8)\u4f4d\u7f6e\u7968\u6570A(\u03c1,\u03b8)+1\u3002 \u4e00\u4e2a\u56fe\u50cf\u8fb9\u7f18\u70b9，\u4f1a\u5728\u53c2\u6570\u7a7a\u95f4\u6295\u51fa\u4e00\u4e32\u7968，\u8fde\u6210\u6b63\u5f26\u66f2\u7ebf\u3002<\/li>\n
  • \u5bfb\u627e\u5cf0\u503c：\u591a\u6761\u66f2\u7ebf\u4ea4\u6c47\u7684(\u03c1,\u03b8)\u4f4d\u7f6e\u7968\u6570\u6700\u9ad8，\u4ee3\u8868\u5927\u91cf\u56fe\u50cf\u8fb9\u7f18\u70b9\u90fd\u5f52\u5c5e\u8fd9\u6761\u76f4\u7ebf，\u5bf9\u5e94\u539f\u56fe\u771f\u5b9e\u76f4\u7ebf\u3002<\/li>\n

    \u4f18\u70b9：\u6297\u566a\u58f0\u5f3a，\u566a\u58f0\u70b9\u6295\u7968\u5206\u6563，\u4e0d\u4f1a\u5f62\u6210\u660e\u663e\u5cf0\u503c；\u80fd\u5904\u7406\u8fb9\u7f18\u65ad\u88c2，\u53ea\u8981\u5927\u90e8\u5206\u70b9\u4ecd\u5171\u7ebf，\u4ecd\u80fd\u5f62\u6210\u5cf0\u503c；\u80fd\u68c0\u6d4b\u957f\u7ed3\u6784，\u9002\u5408\u5efa\u7b51\u8fb9\u7f18\u3001\u9053\u8def\u8f66\u9053\u7ebf\u3001\u5de5\u4e1a\u7ed3\u6784，\u56e0\u4e3a\u957f\u7ebf\u4f1a\u79ef\u7d2f\u5927\u91cf\u6295\u7968\u3002<\/p>\n

    \u7f3a\u70b9：\u8ba1\u7b97\u91cf\u5927，\u5bf9\u4e8e\u6bcf\u4e00\u4e2a\u8fb9\u7f18\u70b9，\u90fd\u8981\u904d\u5386\u5927\u91cf \u03b8；\u53c2\u6570\u7a7a\u95f4\u5360\u7528\u5927，\u7d2f\u52a0\u5668A(\u03c1,\u03b8) \u901a\u5e38\u5f88\u5927，\u9ad8\u5206\u8fa8\u7387\u65f6\u5185\u5b58\u660e\u663e\u589e\u52a0；\u5206\u8fa8\u7387\u4f9d\u8d56\u4e25\u91cd，\u5982\u679c\u5206\u8fa8\u7387\u592a\u7c97\u7cbe\u5ea6\u4e0b\u964d，\u5982\u679c\u592a\u7ec6\u5cf0\u503c\u5206\u6563，\u56e0\u6b64\u91cf\u5316\u8bef\u5dee\u660e\u663e；\u4e0d\u9002\u5408\u77ed\u7ebf，\u77ed\u7ebf\u6295\u7968\u5c11，\u5bb9\u6613\u88ab\u566a\u58f0\u6df9\u6ca1；\u96be\u4ee5\u5904\u7406\u590d\u6742\u66f2\u7ebf，\u66f4\u9002\u5408\u89c4\u5219\u53c2\u6570\u5316\u5f62\u72b6，\u4f8b\u5982\u76f4\u7ebf\u3001\u5706\u3001\u692d\u5706\u3002\u590d\u6742\u81ea\u7531\u66f2\u7ebf\u56f0\u96be\u3002<\/p>\n

    \u6982\u7387\u970d\u592b\u53d8\u6362（PHT）：\u4f20\u7edf\u970d\u592b\u6700\u5927\u95ee\u9898\u65f6\u8ba1\u7b97\u91cf\u592a\u5927，\u56e0\u6b64\u6982\u7387\u970d\u592b\u53d8\u6362\u4e0d\u518d\u904d\u5386\u5168\u90e8\u8fb9\u7f18\u70b9，\u800c\u662f\u968f\u673a\u91c7\u6837，\u76f4\u63a5\u8f93\u51fa\u7ebf\u6bb5\u7aef\u70b9(x1,y1,x2,y2)，\u800c\u975e\u65e0\u9650\u76f4\u7ebf\u3002<\/p>\n

    \u4f18\u70b9：\u968f\u673a\u91c7\u7528\u901f\u5ea6\u66f4\u5feb；\u65e0\u9700\u5b8c\u6574\u7d2f\u52a0\u5668，\u5185\u5b58\u66f4\u4f4e；\u66f4\u9002\u5408\u5b9e\u4e60\u7cfb\u7edf；\u76f4\u63a5\u8f93\u51fa\u7ebf\u6bb5，\u66f4\u7b26\u5408\u5b9e\u9645\u573a\u666f\u3002<\/p>\n

    \u7f3a\u70b9：\u7ed3\u679c\u5b58\u5728\u968f\u673a\u6027，\u4e0d\u540c\u91c7\u6837\u7ed3\u679c\u53ef\u80fd\u7565\u6709\u4e0d\u540c；\u77ed\u7ebf\u56e0\u4e3a\u91c7\u6837\u4e0d\u8db3\u53ef\u80fd\u6f0f\u68c0；\u7a33\u5b9a\u6027\u4f4e\u4e8eSHT\u3002<\/p>\n

    2.EDLines（Edge Drawing Lines）<\/p>\n

    \u57fa\u4e8e\u8fb9\u7f18\u94fe\u751f\u957f\u7684\u5feb\u901f\u7ebf\u6bb5\u68c0\u6d4b\u65b9\u6cd5，\u6838\u5fc3\u601d\u60f3\u662f\u7ebf\u5f97\u5230\u8fde\u7eed\u8fb9\u7f18\u94fe，\u518d\u4ece\u8fb9\u7f18\u94fe\u62df\u5408\u76f4\u7ebf，\u6cbf\u8fb9\u7f18\u751f\u957f\u627e\u7ebf\u3002<\/p>\n

    \u6574\u4f53\u6d41\u7a0b：\u56fe\u50cf\u2192\u68af\u5ea6\u8ba1\u7b97\u2192\u951a\u70b9\u68c0\u6d4b\u2192\u8fb9\u7f18\u94fe\u8ddf\u8e2a\u2192\u5f97\u5230\u8fde\u7eed\u8fb9\u7f18\u6bb5\u2192\u76f4\u7ebf\u62df\u5408\u2192\u9a8c\u8bc1\u7ebf\u6bb5\u2192\u8f93\u51fa\u6700\u7ec8\u7ebf\u6bb5<\/p>\n

  • \u68af\u5ea6\u8ba1\u7b97：\u9996\u5148\u8ba1\u7b97Gx\u200b,\u00a0Gy，\u83b7\u5f97\u68af\u5ea6\u5e45\u503c\u3001\u68af\u5ea6\u65b9\u5411\u3002<\/li>\n
  • Anchor（\u63cf\u70b9）\u68c0\u6d4b：\u5148\u627e\u53ef\u9760\u8fb9\u7f18\u8d77\u70b9，\u4e00\u4e2a\u50cf\u7d20\u5982\u679c\u68af\u5ea6\u660e\u663e\u5f3a\u4e8e\u90bb\u57df，\u5219\u8ba4\u4e3a\u8fd9\u91cc\u53ef\u80fd\u662f\u7a33\u5b9a\u8fb9\u7f18，\u4f5c\u4e3a\u8fb9\u7f18\u8ddf\u8e2a\u8d77\u70b9\u3002<\/li>\n
  • \n

    Edge Drawing（\u8fb9\u7f18\u94fe\u751f\u957f）：\u4ece\u951a\u70b9\u5f00\u59cb，\u6309\u7167\u68af\u5ea6\u65b9\u5411\u9010\u50cf\u7d20\u8ddf\u8e2a\u8fb9\u7f18（8 \u90bb\u57df\u3001\u68af\u5ea6\u65b9\u5411\u63a5\u8fd1\u3001\u5f3a\u8fb9\u7f18\u8fde\u901a），\u5f62\u6210\u8fde\u7eed\u8fb9\u7f18\u94fe，\u4f8b\u5982p1 \u2192 p2 \u2192 p3 \u2192 p4，\u5f97\u5230\u6709\u5e8f\u8fb9\u7f18\u70b9\u5e8f\u5217\u3002<\/p>\n<\/li>\n

  • \u7ebf\u6bb5\u62df\u5408：\u5bf9\u5c40\u90e8\u94fe\u5c40\u90e8\u62df\u5408\u76f4\u7ebf（\u901a\u5e38\u6700\u5c0f\u4e8c\u4e58\u62df\u5408\u3001\u589e\u91cf\u62df\u5408）\u5224\u65ad\u5f53\u524d\u8fb9\u7f18\u94fe\u662f\u5426\u8fd1\u4f3c\u5171\u7ebf，\u5982\u679c\u6ee1\u8db3\u5219\u8ba4\u4e3a\u662f\u4e00\u6761\u7ebf\u6bb5\u3002<\/li>\n
  • \u7ebf\u6bb5\u9a8c\u8bc1：\u4e0d\u662f\u6240\u6709\u8fb9\u7f18\u94fe\u90fd\u662f\u771f\u76f4\u7ebf，\u9700\u8981\u9a8c\u8bc1\u70b9\u5230\u76f4\u7ebf\u8ddd\u79bb\u3001\u652f\u6301\u70b9\u6570\u91cf\u3001\u6b8b\u5dee\u5927\u5c0f\u3001\u957f\u5ea6\u9608\u503c\u7b49，\u8fc7\u6ee4\u77ed\u8fb9\u3001\u566a\u58f0\u8fb9\u3001\u66f2\u7ebf\u6bb5，\u6700\u7ec8\u4fdd\u7559\u9ad8\u7f6e\u4fe1\u7ebf\u6bb5\u3002<\/li>\n

    \u4f18\u70b9：1.\u901f\u5ea6\u5feb，\u4e0d\u9700\u8981\u5de8\u5927\u53c2\u6570\u7a7a\u95f4\u30022.\u5185\u5b58\u5c0f，\u4e0d\u9700\u8981\u7d2f\u52a0\u5668\u30023.\u9002\u5408\u77ed\u7ebf，\u76f4\u63a5\u6cbf\u8fb9\u7f18\u8ddf\u8e2a，\u77ed\u7ebf\u4e5f\u5bb9\u6613\u68c0\u6d4b\u30024.\u7ebf\u6bb5\u5b9a\u4f4d\u66f4\u51c6\u786e，\u76f4\u63a5\u518d\u56fe\u50cf\u7a7a\u95f4\u62df\u5408\u30025.\u8f93\u51fa\u5929\u7136\u662f\u7ebf\u6bb5\u3002<\/p>\n

    \u7f3a\u70b9：1.\u4f9d\u8d56\u8fb9\u7f18\u8fde\u7eed\u6027，\u5982\u679c\u8fb9\u7f18\u65ad\u88c2\u4e25\u91cd，\u8ddf\u8e2a\u4f1a\u5931\u8d25\u30022.\u5bf9\u566a\u58f0\u8fb9\u7f18\u654f\u611f，\u9519\u8bef\u8fb9\u7f18\u53ef\u80fd\u5bfc\u81f4\u9519\u8bef\u751f\u6210\u30023.\u66f2\u7ebf\u5bb9\u6613\u8bef\u5206\u6bb5，\u53ef\u80fd\u88ab\u6298\u6210\u591a\u4e2a\u77ed\u76f4\u7ebf\u3002<\/p>\n

    3.LSD（Line Segment Detector）<\/p>\n

    \u73b0\u4ee3\u6700\u7ecf\u5178\u7684\u4e9a\u50cf\u7d20\u7ea7\u7ebf\u6bb5\u68c0\u6d4b\u7b97\u6cd5，\u4f9d\u9760\u5c40\u90e8\u68af\u5ea6\u4e00\u81f4\u6027，\u76f4\u63a5\u5728\u68af\u5ea6\u573a\u4e2d\u68c0\u6d4b\u7ebf\u6bb5，\u907f\u514d\u201c\u5148\u627e\u8fb9\u7f18，\u518d\u627e\u7ebf\u201d，\u56e0\u6b64\u66f4\u5feb\u3001\u7cbe\u786e\u3001\u4e9a\u50cf\u7d20\u3001\u53c2\u6570\u5c11\u3002<\/p>\n

    \u6838\u5fc3\u601d\u60f3：\u540c\u4e00\u7ebf\u6bb5\u4e0a\u7684\u50cf\u7d20\u68af\u5ea6\u5e94\u8be5\u4e00\u81f4\u3002<\/p>\n

    \u6574\u4f53\u6d41\u7a0b：\u56fe\u50cf \u2192 \u68af\u5ea6\u8ba1\u7b97 \u2192 \u533a\u57df\u751f\u957f \u2192 \u5f62\u6210\u7ebf\u652f\u6301\u533a\u57df \u2192 \u77e9\u5f62\u62df\u5408 \u2192 \u7edf\u8ba1\u9a8c\u8bc1 \u2192 \u8f93\u51fa\u7ebf\u6bb5.<\/p>\n

  • \u5168\u50cf\u7d20\u68af\u5ea6\u8ba1\u7b97：\u9996\u5148\u8ba1\u7b97\u68af\u5ea6\u65b9\u5411\u3001\u68af\u5ea6\u5e45\u503c\u4f46\u4e0d\u751f\u6210\u4e8c\u503c\u8fb9\u7f18\u56fe，\u8fd9\u662f\u4e0e Canny + \u970d\u592b \u7684\u5de8\u5927\u533a\u522b\u3002<\/li>\n
  • \u68af\u5ea6\u65b9\u5411\u4e00\u81f4\u6027\u533a\u57df\u751f\u957f（Region Growing）：\u4ece\u9ad8\u68af\u5ea6\u50cf\u7d20（\u79cd\u5b50\u70b9）\u5f00\u59cb\u5bfb\u627e\u68af\u5ea6\u65b9\u5411\u76f8\u8fd1\u7684\u90bb\u57df\u50cf\u7d20\u4e0d\u65ad\u6269\u5c55\u5f62\u6210 Line Support Region（LSR）\u7ebf\u652f\u6301\u533a\u57df\u3002\u672c\u8d28\u662f\u4e00\u7fa4\u65b9\u5411\u4e00\u81f4\u7684\u50cf\u7d20\u3002<\/li>\n
  • \u77e9\u5f62\u62df\u5408：LSD \u5047\u8bbe\u7ebf\u6bb5\u2248\u72ed\u957f\u77e9\u5f62，\u56e0\u6b64\u5bf9\u652f\u6301\u533a\u57df\u62df\u5408\u77e9\u5f62，\u5f97\u5230\u7ebf\u6bb5\u957f\u5ea6\u3001\u5bbd\u5ea6\u3001\u65b9\u5411（\u957f\u8fb9\u503e\u89d2）\u3002<\/li>\n
  • \u7edf\u8ba1\u9a8c\u8bc1（\u6838\u5fc3）：\u4f7f\u7528 NFA（Number of False Alarms）\u8bef\u68c0\u6982\u7387，\u5224\u65ad\u8fd9\u6761\u7ebf\u662f\u4e0d\u662f\u968f\u673a\u566a\u58f0，\u5982\u679c\u5927\u91cf\u50cf\u7d20\u65b9\u5411\u4e00\u81f4，\u968f\u673a\u51fa\u73b0\u6982\u7387\u5f88\u4f4e，\u5219\u8ba4\u4e3a\u662f\u771f\u5b9e\u7ebf\u6bb5\u3002\u4f7f\u7528\u7edf\u8ba1\u81ea\u52a8\u63a7\u5236\u8bef\u68c0，\u56e0\u6b64\u53c2\u6570\u5c11（\u4f20\u7edf\u65b9\u6cd5\u8ba4\u4e3a\u8bbe\u957f\u5ea6\u3001\u6295\u7968\u3001\u8fb9\u7f18\u9608\u503c）\u3002<\/li>\n

    \u4e3a\u4ec0\u4e48\u7cbe\u5ea6\u9ad8：\u4f7f\u7528\u68af\u5ea6\u65b9\u5411，\u6bd4\u8fb9\u7f18\u4e8c\u503c\u56fe\u4fe1\u606f\u66f4\u591a；\u4e9a\u50cf\u7d20；\u5c40\u90e8\u8fde\u7eed\u7ea6\u675f，\u6bd4\u970d\u592b\u66f4\u7cbe\u7ec6\u3002<\/p>\n

    \u4f18\u70b9：1.\u4e9a\u50cf\u7d20\u7cbe\u5ea6\u9ad8，\u56e0\u4e3a\u76f4\u63a5\u8fde\u7eed\u62df\u5408\u30022.\u65e0\u53c2\u6570\u6216\u5c11\u53c2\u6570\u30023.\u4e0d\u9700\u8981\u8fb9\u7f18\u8fde\u63a5，\u6bd4EDLines\u7a33\u5b9a\u30024.\u901f\u5ea6\u5feb，\u590d\u6742\u5ea6\u63a5\u8fd1O(N)，\u5355\u6b21\u533a\u57df\u751f\u957f，\u6bcf\u4e2a\u50cf\u7d20\u901a\u5e38\u53ea\u8bbf\u95ee\u6709\u9650\u6b21\u3002<\/p>\n

    \u7f3a\u70b9：1.\u5bf9\u7eb9\u7406\u566a\u58f0\u654f\u611f，\u5927\u91cf\u7eb9\u7406\u53ef\u80fd\u5f62\u6210\u4f2a\u68af\u5ea6\u4e00\u81f4\u533a\u57df\u30022.\u66f2\u7ebf\u4f1a\u88ab\u6298\u6210\u7ebf\u6bb5，\u56e0\u4e3a\u53ea\u80fd\u68c0\u6d4b\u76f4\u7ebf\u30023.\u5f31\u8fb9\u7f18\u53ef\u80fd\u6f0f\u68c0，\u68af\u5ea6\u4e0d\u8db3\u65f6\u533a\u57df\u751f\u957f\u56f0\u96be\u3002<\/p>\n

    \"\"<\/p>\n

    4.FLD（Fast Line Detector）<\/p>\n

    \u5feb\u901f\u7ebf\u6bb5\u68c0\u6d4b\u5668，\u662f LSD \u7684\u5de5\u7a0b\u52a0\u901f\u7248\u672c\u3002\u6838\u5fc3\u601d\u60f3\u662f\u5feb\u901f\u626b\u63cf\u68af\u5ea6\u53d8\u5316+\u533a\u57df\u805a\u5408+\u7ebf\u6bb5\u62df\u5408\u3002\u91cd\u70b9\u662f\u5de5\u7a0b\u901f\u5ea6\u4f18\u5316，\u800c\u4e0d\u662f\u4e25\u683c\u7edf\u8ba1\u5efa\u6a21\u3002<\/p>\n

    \u6574\u4f53\u6d41\u7a0b：\u56fe\u50cf\u2192\u68af\u5ea6\u8ba1\u7b97\u2192\u5feb\u901f\u533a\u57df\u626b\u63cf\u2192\u5019\u9009\u7ebf\u6bb5\u751f\u6210\u2192\u7ebf\u6bb5\u5408\u5e76\u2192\u8f93\u51fa\u7ed3\u679c\u3002<\/p>\n

  • \u5168\u50cf\u7d20\u68af\u5ea6\u8ba1\u7b97\u3002<\/li>\n
  • \u5f3a\u68af\u5ea6\u7b5b\u9009：\u4e0d\u4f1a\u5bf9\u6240\u6709\u50cf\u7d20\u90fd\u5904\u7406，\u800c\u662f\u53ea\u4fdd\u7559\u5f3a\u68af\u5ea6\u50cf\u7d20 G > T（\u68af\u5ea6\u9608\u503c）\u3002\u4f5c\u7528\u662f\u8fc7\u6ee4\u5e73\u5766\u533a\u57df\u3001\u5f31\u7eb9\u7406\u3001\u5c0f\u566a\u58f0，\u4fdd\u7559\u771f\u6b63\u53ef\u80fd\u5c5e\u4e8e\u8fb9\u7f18\u7684\u50cf\u7d20\u3002<\/li>\n
  • \u5c40\u90e8\u533a\u57df\u626b\u63cf\u548c\u805a\u7c7b：\u626b\u63cf\u56fe\u50cf\u4e2d\u7684\u5f3a\u68af\u5ea6\u50cf\u7d20，\u5bfb\u627e\u65b9\u5411\u76f8\u8fd1\u4e14\u7a7a\u95f4\u8fde\u7eed\u7684\u50cf\u7d20\u96c6\u5408\u5f62\u6210\u5019\u9009\u7ebf\u533a\u57df\u3002\u672c\u8d28\u662f\u5bfb\u627e\u5c40\u90e8\u5171\u7ebf\u533a\u57df\u3002<\/li>\n
  • \u5019\u9009\u7ebf\u6bb5\u751f\u6210：\u805a\u7c7b\u5b8c\u6210\u540e，\u6bcf\u4e2a\u533a\u57df\u53ef\u80fd\u5bf9\u5e94\u4e00\u6761\u7ebf\u6bb5，\u56e0\u6b64\u5bf9\u533a\u57df\u8fdb\u884c\u521d\u6b65\u76f4\u7ebf\u62df\u5408\u3002\u901a\u5e38\u4f7f\u7528\u6700\u5c0f\u4e8c\u4e58\u76f4\u7ebf\u62df\u5408\u76ee\u6807\u662f\u627e\u5230 ax+by+c=0，\u4f7f\u5f97\"$\\\\sum\u6700\u5c0f，\u5176\u4e2ddi\u200b\u8868\u793a\u70b9\u5230\u76f4\u7ebf\u7684\u8ddd\u79bb\u3002<\/li>\n
  • \u7ebf\u6bb5\u751f\u957f：\u6cbf\u7740\u5f53\u524d\u7ebf\u65b9\u5411\u7ee7\u7eed\u6269\u5c55，\u5c1d\u8bd5\u5438\u6536\u66f4\u591a\u5171\u7ebf\u50cf\u7d20\u3002\u521d\u59cb\u805a\u7c7b\u53ef\u80fd\u53ea\u8986\u76d6\u5c40\u90e8\u533a\u57df，\u771f\u5b9e\u7ebf\u6bb5\u901a\u5e38\u66f4\u957f，\u56e0\u6b64\u9700\u8981\u8fdb\u4e00\u6b65\u6269\u5c55\u3002<\/li>\n
  • \u7ebf\u6bb5\u5408\u5e76：\u4e0d\u540c\u533a\u57df\u53ef\u80fd\u5c5e\u4e8e\u540c\u4e00\u771f\u5b9e\u76f4\u7ebf，\u56e0\u6b64 FLD \u4f1a\u8fdb\u4e00\u6b65\u68c0\u67e5\u3002\u5408\u5e76\u6761\u4ef6：\u65b9\u5411\u63a5\u8fd1\u3001\u7a7a\u95f4\u8ddd\u79bb\u63a5\u8fd1\u3001\u5171\u7ebf\u6027\u5f3a\u3002<\/li>\n
  • \u7ebf\u6bb5\u9a8c\u8bc1\u548c\u8fc7\u6ee4：\u4f1a\u8fc7\u6ee4\u4f4e\u8d28\u91cf\u5019\u9009\u7ebf\u6bb5（\u957f\u5ea6\u592a\u77ed\u3001\u652f\u6301\u70b9\u592a\u5c11\u3001\u62df\u5408\u8bef\u5dee\u8fc7\u5927），\u8f93\u51fa\u6700\u7ec8\u7ebf\u6bb5\u3002<\/li>\n\n\u65b9\u6cd5\u4f20\u7edf\u970d\u592b（SHT\/PHT）EDLinesLSDFLD<\/tr>\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
    \u6838\u5fc3\u601d\u60f3<\/td>\n\u53c2\u6570\u7a7a\u95f4\u6295\u7968<\/td>\n\u8fb9\u7f18\u94fe\u751f\u957f + \u76f4\u7ebf\u62df\u5408<\/td>\n\u68af\u5ea6\u65b9\u5411\u4e00\u81f4\u6027\u533a\u57df\u751f\u957f<\/td>\n\u5feb\u901f\u68af\u5ea6\u805a\u7c7b + \u7ebf\u6bb5\u62df\u5408<\/td>\n<\/tr>\n
    \u5de5\u4f5c\u7a7a\u95f4<\/td>\n\u53c2\u6570\u7a7a\u95f4<\/td>\n\u56fe\u50cf\u7a7a\u95f4<\/td>\n\u68af\u5ea6\u573a<\/td>\n\u68af\u5ea6\u573a<\/td>\n<\/tr>\n
    \u57fa\u7840\u8f93\u5165<\/td>\n\u4e8c\u503c\u8fb9\u7f18\u70b9<\/td>\n\u8fb9\u7f18\u94fe<\/td>\n\u68af\u5ea6\u65b9\u5411\u573a<\/td>\n\u68af\u5ea6\u65b9\u5411\u573a<\/td>\n<\/tr>\n
    \u662f\u5426\u4f9d\u8d56\u8fb9\u7f18\u68c0\u6d4b<\/td>\n\u5f3a\u4f9d\u8d56（\u901a\u5e38Canny）<\/td>\n\u5f3a\u4f9d\u8d56（ED\u8fb9\u7f18）<\/td>\n\u4e0d\u4f9d\u8d56\u4e8c\u503c\u8fb9\u7f18\u56fe<\/td>\n\u4e0d\u4f9d\u8d56\u4e8c\u503c\u8fb9\u7f18\u56fe<\/td>\n<\/tr>\n
    \u662f\u5426\u5168\u56fe\u68af\u5ea6\u8ba1\u7b97<\/td>\n\u901a\u5e38\u4e0d\u662f\u6838\u5fc3<\/td>\n\u5c40\u90e8\u4f7f\u7528<\/td>\n\u662f<\/td>\n\u662f<\/td>\n<\/tr>\n
    \u662f\u5426\u53c2\u6570\u7a7a\u95f4\u6295\u7968<\/td>\n\u662f<\/td>\n\u5426<\/td>\n\u5426<\/td>\n\u5426<\/td>\n<\/tr>\n
    \u662f\u5426\u4f7f\u7528\u7d2f\u52a0\u5668<\/td>\n\u662f<\/td>\n\u5426<\/td>\n\u5426<\/td>\n\u5426<\/td>\n<\/tr>\n
    \u662f\u5426\u6709\u533a\u57df\u751f\u957f<\/td>\n\u5426<\/td>\n\u6709（\u8fb9\u7f18\u94fe\u8ddf\u8e2a）<\/td>\n\u6709（LSR\u751f\u957f）<\/td>\n\u6709（\u5feb\u901f\u805a\u7c7b）<\/td>\n<\/tr>\n
    \u7ebf\u652f\u6301\u533a\u57df<\/td>\n\u65e0<\/td>\n\u8fb9\u7f18\u94fe<\/td>\nLSR（Line Support Region）<\/td>\n\u5019\u9009\u5171\u7ebf\u533a\u57df<\/td>\n<\/tr>\n
    \u76f4\u7ebf\u8868\u793a<\/td>\n((\\\\rho,\\\\theta))<\/td>\n\u7ebf\u6bb5\u7aef\u70b9<\/td>\n\u72ed\u957f\u77e9\u5f62 + \u7aef\u70b9<\/td>\n\u7ebf\u6bb5\u7aef\u70b9<\/td>\n<\/tr>\n
    \u8f93\u51fa\u5f62\u5f0f<\/td>\n\u65e0\u9650\u76f4\u7ebf \/ \u7ebf\u6bb5<\/td>\n\u7ebf\u6bb5<\/td>\n\u7ebf\u6bb5<\/td>\n\u7ebf\u6bb5<\/td>\n<\/tr>\n
    \u662f\u5426\u76f4\u63a5\u8f93\u51fa\u7aef\u70b9<\/td>\nPHT\u53ef\u4ee5<\/td>\n\u662f<\/td>\n\u662f<\/td>\n\u662f<\/td>\n<\/tr>\n
    \u65b9\u5411\u4fe1\u606f\u5229\u7528<\/td>\n\u5f31<\/td>\n\u4e2d<\/td>\n\u5f88\u5f3a<\/td>\n\u8f83\u5f3a<\/td>\n<\/tr>\n
    \u68af\u5ea6\u65b9\u5411\u4e00\u81f4\u6027\u5206\u6790<\/td>\n\u65e0<\/td>\n\u90e8\u5206<\/td>\n\u6838\u5fc3<\/td>\n\u6838\u5fc3\u4e4b\u4e00<\/td>\n<\/tr>\n
    \u662f\u5426\u4f7f\u7528\u7edf\u8ba1\u9a8c\u8bc1<\/td>\n\u65e0<\/td>\n\u5f88\u5c11<\/td>\n\u5f3a（NFA）<\/td>\n\u5f88\u5f31<\/td>\n<\/tr>\n
    \u662f\u5426\u4f7f\u7528NFA<\/td>\n\u5426<\/td>\n\u5426<\/td>\n\u662f<\/td>\n\u5426<\/td>\n<\/tr>\n
    \u4e9a\u50cf\u7d20\u7cbe\u5ea6<\/td>\n\u4e00\u822c<\/td>\n\u8f83\u9ad8<\/td>\n\u5f88\u9ad8<\/td>\n\u4e00\u822c<\/td>\n<\/tr>\n
    \u957f\u7ebf\u68c0\u6d4b\u80fd\u529b<\/td>\n\u5f88\u5f3a<\/td>\n\u5f3a<\/td>\n\u5f3a<\/td>\n\u5f3a<\/td>\n<\/tr>\n
    \u77ed\u7ebf\u68c0\u6d4b\u80fd\u529b<\/td>\n\u8f83\u5f31<\/td>\n\u5f3a<\/td>\n\u5f3a<\/td>\n\u5f3a<\/td>\n<\/tr>\n
    \u5bf9\u8fb9\u7f18\u65ad\u88c2\u9c81\u68d2\u6027<\/td>\n\u5f88\u5f3a<\/td>\n\u4e00\u822c<\/td>\n\u8f83\u5f3a<\/td>\n\u4e00\u822c<\/td>\n<\/tr>\n
    \u5bf9\u566a\u58f0\u9c81\u68d2\u6027<\/td>\n\u5f3a<\/td>\n\u4e2d<\/td>\n\u5f88\u5f3a<\/td>\n\u4e2d<\/td>\n<\/tr>\n
    \u5bf9\u7eb9\u7406\u4f2a\u7ebf\u6291\u5236<\/td>\n\u4e00\u822c<\/td>\n\u4e00\u822c<\/td>\n\u5f88\u5f3a<\/td>\n\u4e00\u822c<\/td>\n<\/tr>\n
    \u53c2\u6570\u4f9d\u8d56<\/td>\n\u8f83\u5f3a<\/td>\n\u4e2d\u7b49<\/td>\n\u5f88\u5c11<\/td>\n\u8f83\u5f3a<\/td>\n<\/tr>\n
    \u91cf\u5316\u8bef\u5dee<\/td>\n\u660e\u663e<\/td>\n\u5f88\u5c0f<\/td>\n\u5f88\u5c0f<\/td>\n\u5c0f<\/td>\n<\/tr>\n
    \u8ba1\u7b97\u91cf<\/td>\n\u5927<\/td>\n\u8f83\u5c0f<\/td>\n\u4e2d\u7b49<\/td>\n\u5f88\u5c0f<\/td>\n<\/tr>\n
    \u5185\u5b58\u5360\u7528<\/td>\n\u5927<\/td>\n\u5c0f<\/td>\n\u4e2d\u7b49<\/td>\n\u5c0f<\/td>\n<\/tr>\n
    \u5b9e\u65f6\u6027<\/td>\n\u4e00\u822c<\/td>\n\u5f3a<\/td>\n\u5f3a<\/td>\n\u975e\u5e38\u5f3a<\/td>\n<\/tr>\n
    \u7406\u8bba\u4e25\u8c28\u6027<\/td>\n\u4e2d<\/td>\n\u4e2d<\/td>\n\u5f88\u5f3a<\/td>\n\u504f\u5de5\u7a0b<\/td>\n<\/tr>\n
    \u5de5\u7a0b\u5b9e\u73b0\u590d\u6742\u5ea6<\/td>\n\u4f4e<\/td>\n\u4e2d<\/td>\n\u9ad8<\/td>\n\u4e2d<\/td>\n<\/tr>\n
    OpenCV\u652f\u6301<\/td>\n\u5f3a<\/td>\n\u8f83\u5c11<\/td>\n\u6709<\/td>\n\u5f3a<\/td>\n<\/tr>\n
    \u5178\u578bOpenCV\u63a5\u53e3<\/td>\nHoughLines<\/td>\n\u7b2c\u4e09\u65b9\u5b9e\u73b0\u8f83\u591a<\/td>\ncreateLineSegmentDetector<\/td>\nFastLineDetector<\/td>\n<\/tr>\n
    \u9002\u5408\u573a\u666f<\/td>\n\u5efa\u7b51\u3001\u8f66\u9053\u7ebf\u3001\u957f\u7ed3\u6784<\/td>\n\u5de5\u4e1a\u7ebf\u6bb5\u3001\u5b9e\u65f6\u89c6\u89c9<\/td>\nSLAM\u3001\u91cd\u5efa\u3001\u51e0\u4f55\u89c6\u89c9<\/td>\n\u5b9e\u65f6SLAM\u3001\u5d4c\u5165\u5f0f<\/td>\n<\/tr>\n
    \u73b0\u4ee3SLAM\u4f7f\u7528<\/td>\n\u8f83\u5c11<\/td>\n\u8f83\u591a<\/td>\n\u975e\u5e38\u591a<\/td>\n\u5de5\u7a0b\u5316\u8f83\u591a<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

    （4）\u7ebf\u63cf\u8ff0\u5b50<\/p>\n

    \u7ebf\u68c0\u6d4b\u540e（LSD\/Hough\/FLD）\u53ea\u5f97\u5230\u7ebf\u7684\u4f4d\u7f6e\u3001\u65b9\u5411\u3001\u957f\u5ea6，\u56e0\u6b64\u4f7f\u7528\u7ebf\u63cf\u8ff0\u5b50\u70b9\u63cf\u8ff0\u8fd9\u6761\u7ebf（\u7ebf\u672c\u8eab\u4fe1\u606f\u592a\u5c11，\u6709\u533a\u5206\u6027\u7684\u662f\u7ebf\u4e24\u4fa7\u7eb9\u7406\u7ed3\u6784），\u4ece\u800c\u5b9e\u73b0\u540c\u4e00\u6761\u7ebf\u8de8\u56fe\u50cf\u7a33\u5b9a\u5339\u914d\u3002<\/p>\n

    \u7ebf\u63cf\u8ff0\u5b50\u7684\u56f0\u96be：1.\u70b9\u7279\u5f81\u5c40\u90e8\u7eb9\u7406\u552f\u4e00，\u4f46\u662f\u7ebf\u5929\u7136\u91cd\u590d，\u5c40\u90e8\u7eb9\u7406\u9ad8\u5ea6\u76f8\u4f3c\u30022.\u7ebf\u63cf\u8ff0\u5b50\u9700\u8981\u8003\u8651\u6cbf\u7ebf\u65b9\u5411\u3001\u5782\u76f4\u65b9\u5411\u30023.\u7ebf\u957f\u5ea6\u53d8\u5316\u5927，\u6709\u957f\u7ebf\u3001\u77ed\u7ebf\u3001\u90e8\u5206\u906e\u6321，\u56e0\u6b64\u7ebf\u63cf\u8ff0\u8981\u9002\u5e94\u5c3a\u5ea6\u53d8\u5316\u3002<\/p>\n

    \u6838\u5fc3\u601d\u60f3：\u672c\u8d28\u90fd\u5728\u505a\u7edf\u8ba1\u9644\u8fd1\u533a\u57df\u7684\u68af\u5ea6\/\u7eb9\u7406\u7ed3\u6784\u3002<\/p>\n

    \u7ebf\u63cf\u8ff0\u533a\u57df（Band Region）：\u7ebf\u662f\u957f\u7ed3\u6784，\u4e0d\u80fd\u50cf\u70b9\u4e00\u6837\u7b80\u5355\u5355\u7528\u65b9\u5757，\u5982\u4ee5\u70b9\u4e3a\u4e2d\u5fc3，\u53d6\u6b63\u65b9\u5f62Patch\u3002\u901a\u5e38\u5efa\u7acb\u5e26\u72b6\u533a\u57df，\u4f8b\u5982========，\u957f\u5ea6\u662f\u7ebf\u6bb5\u957f\u5ea6，\u5bbd\u5ea6\u4e3aw\u3002<\/p>\n

    \u5c40\u90e8\u5750\u6807\u7cfb：\u5efa\u7acb\u7ebf\u81ea\u8eab\u5750\u6807\u7cfb，\u5b9a\u4e49\u6cbf\u7ebf\u65b9\u5411dL，\u5782\u76f4\u65b9\u5411d\u22a5，\u56e0\u6b64\u65cb\u8f6c\u4e0d\u53d8\u3002<\/p>\n

    1.LBD（Line Band Descriptor）<\/p>\n

    \u7ebf\u5e26\u63cf\u8ff0\u5b50，\u7ebf\u7248BRIEF，\u7edf\u8ba1\u7ebf\u9644\u8fd1\u68af\u5ea6\u7ed3\u6784\u3002<\/p>\n

  • \u5efa\u7acbBand Region：\u8bbe\u7ebf\u6bb5 L=(x1\u200b,y1\u200b,x2\u200b,y2\u200b)，\u8ba1\u7b97\u7ebf\u65b9\u5411\"$d_L=\\\\frac{(x_2-x_1,\\\\,，\u6cd5\u7ebf\u65b9\u5411d\u22a5\u200b=(\u2212dy\u200b,dx\u200b)，\u5f97\u5230\u5c40\u90e8\u5750\u6807\u7cfb\u3002<\/li>\n
  • \u6784\u5efa\u652f\u6301\u533a\u57df：\u56f4\u7ed5\u7ebf\u6bb5\u5efa\u7acb\u957f\u6761\u533a\u57df，\u4f8b\u5982 width = 7~15 pixels\u3002<\/li>\n
  • Band\u5212\u5206：\u628a\u5e26\u72b6\u533a\u57df\u6cbf\u7ebf\u65b9\u5411\u5747\u5300\u5207\u5206\u6210\u591a\u4e2aBand，\u6bcf\u4e2aBand\u5305\u542b\u4e00\u4e2a\u5c40\u90e8\u5b50\u533a\u57df\u3002<\/li>\n
  • \u68af\u5ea6\u8ba1\u7b97：\u5bf9Band\u5185\u6240\u6709\u50cf\u7d20\u8ba1\u7b97\u56fe\u50cf\u68af\u5ea6，g=(gx\u200b,gy\u200b)\u3002<\/li>\n
  • \u68af\u5ea6\u6295\u5f71：\u7ebf\u6709\u4e3b\u65b9\u5411，\u56e0\u6b64\u628a\u68af\u5ea6\u5206\u522b\u6295\u5f71\u5230 \u6cbf\u7ebf\u65b9\u5411 gL\u200b=g\u22c5dL，\u8868\u793a\u6cbf\u7ebf\u53d8\u5316；\u5782\u76f4\u65b9\u5411 g\u22a5\u200b=g\u22c5d\u22a5\u200b，\u8868\u793a\u8de8\u8fb9\u7f18\u53d8\u5316\u3002\u5f53\u68af\u5ea6\u65b9\u5411\u4e0e\u53c2\u8003\u65b9\u5411\u5939\u89d2\u5c0f90\u5ea6\u65f6\u6295\u5f71\u4e3a\u6b63\u3002<\/li>\n
  • \n

    \u68af\u5ea6\u7edf\u8ba1：\u5bf9\u6bcf\u4e2aBand，\u5206\u522b\u5bf9\u4e24\u4e2a\u65b9\u5411\u7edf\u8ba1\u6b63\u8d1f\u68af\u5ea6\u5747\u503c\"$\\\\mu=\\\\frac{1}{N}\\\\sum，\u8868\u793a\u6574\u4f53\u65b9\u5411\u8d8b\u52bf；\u65b9\u5dee\"$\\\\sigma=\\\\sqrt{\\\\frac{1}{N}\\\\sum\\\\bigl(g_i-\\\\mu\\\\bigr)^2}$\"，\u8868\u793a\u7eb9\u7406\u53d8\u5316\u590d\u6742\u7a0b\u5ea6；\u7edd\u5bf9\u5747\u503c
    \n\"$\\\\mu_{\\\\mathrm{abs}}=\\\\frac{1}{N}\\\\sum_{i=1}^{N}\\\\bigl|g_i\\\\bigr|$\"，\u8868\u793a\u7eb9\u7406\u53d8\u5316\u590d\u6742\u7a0b\u5ea6\u3002<\/p>\n

  • \u5206\u522b\u5bf9\u4e24\u4e2a\u65b9\u5411\u7edf\u8ba1，\u6cbf\u7ebf\u65b9\u5411\"$\\\\mu_L,\\\\;；\u6cd5\u7ebf\u65b9\u5411\"$\\\\mu_{\\\\perp},\\\\;\u3002\u5047\u5982\u67099\u4e2aBand，\u6bcf\u4e2aBand\u4ea7\u751f8\u7ef4\u7279\u5f81，\u6700\u7ec8\u5f97\u523072\u7ef4\u6d6e\u70b9\u63cf\u8ff0\u5b50\u3002<\/li>\n<\/li>\n
  • \n

    \u5f62\u6210\u63cf\u8ff0\u5411\u91cf：\u5c06\u6240\u6709Band\u7edf\u8ba1\u62fc\u63a5\u5f62\u6210Descriptor=[f1\u200b,f2\u200b,…,fn\u200b]\u3002<\/p>\n<\/li>\n

  • \n

    \u4e8c\u503c\u5316：\u7c7b\u4f3cBRIEF，\u6bd4\u8f83\u4e24\u4e2a\u63cf\u8ff0\u5b50\u5143\u7d20\u4e4b\u95f4\u5927\u5c0f，\u4f8b\u5982\"$f_i，\u751f\u6210\u4e8c\u8fdb\u5236\u4e32\u3002<\/p>\n<\/li>\n

    \"\"<\/p>\n

    \u4f18\u70b9：1.\u5c40\u90e8\u5750\u6807\u7cfb\u63d0\u4f9b\u65cb\u8f6c\u9c81\u68d2\u30022.\u68af\u5ea6\u7edf\u8ba1\u63d0\u4f9b\u5149\u7167\u9c81\u68d2\u30023.Band\u7ed3\u6784\u63d0\u4f9b\u7ebf\u7ed3\u6784\u8868\u8fbe\u80fd\u529b\u3002<\/p>\n

    \u7f3a\u70b9：1.\u533a\u5206\u6027\u5f31\u4e8e\u70b9\u63cf\u8ff0\u5b50\u30022.\u5e73\u884c\u7ebf\u5bb9\u6613\u6df7\u6dc6\u30023.\u906e\u6321\u654f\u611f，\u7ebf\u65ad\u88c2\u540e\u63cf\u8ff0\u5b50\u5bb9\u6613\u53d8\u5316\u3002<\/p>\n

    2.MSLD（Mean-Standard deviation Line Descriptor）<\/p>\n

    \u5747\u503c-\u6807\u51c6\u5dee\u7ebf\u63cf\u8ff0\u7b26，LBD\u524d\u8eab\u3002\u7edf\u8ba1\u5747\u503c\u548c\u65b9\u5dee，\u4e0d\u4e8c\u503c\u5316\u3002<\/p>\n

    \u6574\u4f53\u6d41\u7a0b：<\/p>\n

  • \u7ebf\u68c0\u6d4b（LSD\/EDLines）\u3002<\/li>\n
  • \u5efa\u7acb\u7ebf\u652f\u6301\u533a\u57df，\u6784\u9020\u5c40\u90e8\u5750\u6807\u7cfb\u3002<\/li>\n
  • \u5212\u5206\u4e3a\u591a\u4e2aband\u3002<\/li>\n
  • \u8ba1\u7b97\u50cf\u7d20\u68af\u5ea6，\u6295\u5f71\u5230\u7ebf\u3001\u6cd5\u7ebf\u65b9\u5411\u3002<\/li>\n
  • \u7edf\u8ba1\u6bcf\u4e2aband\u7684\u68af\u5ea6\u5747\u503c\u3001\u68af\u5ea6\u6807\u51c6\u5dee，\u5f97\u52304\u7ef4\u7279\u5f81\u3002<\/li>\n
  • \u62fc\u63a5\u4e3a\u6d6e\u70b9\u63cf\u8ff0\u5b50，\u5047\u8bbe8\u4e2aband，\u5f97\u523032\u7ef4\u6d6e\u70b9\u63cf\u8ff0\u5b50\u3002<\/li>\n

    \u4f18\u70b9：1.\u5bf9\u5f31\u7eb9\u7406\u9c81\u68d2，\u7ebf\u6bd4\u70b9\u66f4\u7a33\u5b9a\u30022.\u5bf9\u5149\u7167\u6bd4\u8f83\u7a33\u5b9a，\u56e0\u4e3a\u4f7f\u7528\u5747\u503c\u3001\u65b9\u5dee\u3001\u5f52\u4e00\u5316\u30023.\u5bf9\u65cb\u8f6c\u9c81\u68d2，\u4f7f\u7528\u7ebf\u5c40\u90e8\u5750\u6807\u7cfb\u30024.\u51e0\u4f55\u7ea6\u675f\u5f3a，\u7ebf\u5177\u6709\u957f\u5ea6\u3001\u65b9\u5411，\u6bd4\u70b9\u7a33\u5b9a\u3002<\/p>\n

    \u7f3a\u70b9：1.\u5339\u914d\u901f\u5ea6\u6162\u30022.\u5bf9\u7ebf\u68c0\u6d4b\u4f9d\u8d56\u8f83\u5f3a，\u5982\u679cLSD\/EDLines\u68c0\u6d4b\u4e0d\u597d，\u63cf\u8ff0\u5b50\u4e5f\u4f1a\u53d7\u5f71\u54cd\u3002<\/p>\n

    3.Line-SIFT <\/p>\n

    \u628a SIFT \u601d\u60f3\u6269\u5c55\u5230\u7ebf\u7279\u5f81，\u6838\u5fc3\u76ee\u6807\u662f\u4e3a\u7ebf\u6bb5\u6784\u5efa\u5177\u6709\u5c3a\u5ea6\/\u65cb\u8f6c\u9c81\u68d2\u6027\u7684\u63cf\u8ff0\u5b50\u3002\u5728\u7ebf\u9644\u8fd1\u5efa\u7acb\u5c40\u90e8\u533a\u57df，\u518d\u7edf\u8ba1\u68af\u5ea6\u65b9\u5411\u5206\u5e03\u3002\u66f4\u63a5\u8fd1 SIFT \u7684\u65b9\u5411\u76f4\u65b9\u56fe\u601d\u60f3，MSLD\/LBD \u66f4\u504f mean\/std statistics\u3002<\/p>\n

  • \u7ebf\u68c0\u6d4b\u3002<\/li>\n
  • \u5efa\u7acb\u7ebf\u652f\u6301\u533a\u57df，\u6784\u9020\u5c40\u90e8\u5750\u6807\u7cfb\u3002<\/li>\n
  • \u5212\u5206\u5b50\u533a\u57df（cell）\u3002<\/li>\n
  • \u8ba1\u7b97\u6bcf\u4e2a\u50cf\u7d20\u7684\u68af\u5ea6\u3002<\/li>\n
  • \u68af\u5ea6\u65b9\u5411\u7edf\u8ba1：Line-SIFT \u5bf9\u6bcf\u4e2a cell \u7edf\u8ba1 orientation histogram（\u65b9\u5411\u76f4\u65b9\u56fe），\u4f8b\u5982 8 bins，MSLD\u7edf\u8ba1\u65b9\u5dee\/\u5747\u503c\u3002<\/li>\n
  • \u8ba1\u7b97\u68af\u5ea6\u65b9\u5411：\u65b9\u5411 \"$\\\\theta=\\\\arctan\\\\biggl(\\\\frac{g_y}{g_x}\\\\biggr)$\"，\u5e45\u503c\u00a0\"$m=\\\\sqrt{g_x^2，\u7528\u5e45\u503c\u4f5c\u4e3a\u6295\u7968\u6743\u91cd，\u68af\u5ea6\u65b9\u5411\u5206\u5e03\u6bd4\u5355\u7eaf\u7684\u5747\u503c\u3001\u65b9\u5dee\u8868\u8fbe\u80fd\u529b\u66f4\u5f3a\u3002<\/li>\n
  • \u6700\u7ec8\u63cf\u8ff0\u5b50：\u4f8b\u5982 8\u4e2acells，\u6bcf\u4e2acell 8-bin \u76f4\u65b9\u56fe，\u6700\u7ec8\u5f97\u523064\u4e3a\u6d6e\u70b9\u63cf\u8ff0\u5b50\u3002<\/li>\n

    \"\"<\/p>\n

    \u7f3a\u70b9：\u8ba1\u7b97\u8f83\u91cd，\u4e0d\u592a\u7528\u4e8e\u5b9e\u65f6\u7cfb\u7edf\u3002<\/p>\n

    4.LLD（Local Line Descriptor）<\/p>\n

    \u5c40\u90e8\u7ebf\u63cf\u8ff0\u5b50，\u8f7b\u91cf\u7ea7\u7ebf\u7279\u5f81\u63cf\u8ff0\u65b9\u6cd5，\u6838\u5fc3\u76ee\u6807\u662f\u4f4e\u8ba1\u7b97\u91cf\u3001\u4f4e\u5185\u5b58\u3001\u5b9e\u65f6\u5339\u914d\u3002\u672c\u8d28\u4e0a\u5c5e\u4e8e LBD\/MSLD \u4f53\u7cfb\u7684\u8f7b\u91cf\u5316\u7248\u672c，\u91cd\u70b9\u4e0d\u662f\u590d\u6742\u7edf\u8ba1，\u800c\u662f\u5feb\u901f\u3001\u5c40\u90e8\u3001\u53ef\u5b9e\u65f6\u3002<\/p>\n

    \u6838\u5fc3\u601d\u60f3：\u7528\u5c3d\u53ef\u80fd\u5c11\u7684\u8ba1\u7b97 \u63cf\u8ff0\u7ebf\u9644\u8fd1\u5c40\u90e8\u7ed3\u6784\u3002<\/p>\n

    \u4f20\u7edf\u7ebf\u63cf\u8ff0\u5b50，\u4f8b\u5982MSLD \u9700\u8981\u5747\u503c\u3001\u65b9\u5dee\u3001\u591a band \u7edf\u8ba1\u3001\u6d6e\u70b9\u8fd0\u7b97；Line-SIFT \u9700\u8981\u7edf\u8ba1\u76f4\u65b9\u56fe\u3001\u68af\u5ea6\u9632\u7ebf\u3001\u9ad8\u7ef4\u6d6e\u70b9\u8fd0\u7b97\u3002LLD\u7684\u76ee\u6807\u662f\u4fdd\u7559\u7ebf\u7ed3\u6784\u4fe1\u606f，\u540c\u65f6\u5c3d\u53ef\u80fd\u5feb\u3002<\/p>\n

    \u5178\u578b\u6d41\u7a0b：<\/p>\n

  • \u7ebf\u68c0\u6d4b<\/li>\n
  • \u6784\u5efa\u5c40\u90e8\u652f\u6301\u533a\u57df，\u901a\u5e38\u66f4\u7a84，\u66f4\u5c0f\u3002<\/li>\n
  • \u5c40\u90e8\u68af\u5ea6\u91c7\u6837：\u4e0d\u4f1a\u5bf9\u6574\u4e2a\u533a\u57df\u505a\u590d\u6742\u7edf\u8ba1，\u800c\u662f\u7a00\u758f\u91c7\u6837，\u4f8b\u5982\u6cbf\u7ebf\u5747\u5300\u91c7\u6837 N \u4e2a\u70b9，\u6bcf\u4e2a\u91c7\u6837\u70b9\u652f\u53d6\u7b80\u5355\u68af\u5ea6\u4fe1\u606f\u3002<\/li>\n
  • \u8f7b\u91cf\u5316\u8ba1\u7b97：\u5f80\u5f80\u53ea\u505a\u7b80\u5355\u6bd4\u8f83，\u4f8b\u5982\u68af\u5ea6 g>0?，\u90bb\u57df\u6bd4\u8f83\u00a0\"$I(p_1)，\u5c40\u90e8\u6a21\u5f0f\u7c7b\u4f3cBRIEF，\u56e0\u6b64\u5f88\u591aLLD \u662f\u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50\u3002<\/li>\n
  • \u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50：\u5728\u91c7\u6837\u70b9\u5bf9\u6bd4\u5b8c\u6210\u65f6\u5c31\u751f\u6210\u4e86\u4e8c\u8fdb\u5236\u4e32\u3002<\/li>\n

    \u4f18\u70b9：1.\u9002\u5408\u5b9e\u65f6\u7cfb\u7edf，\u63cf\u8ff0\u5b50\u5c0f\u3001\u5339\u914d\u5feb\u3001\u5185\u5b58\u5c0f\u30022.\u9c81\u68d2\u6027，\u7ebf\u51e0\u4f55\u7ed3\u6784\u66f4\u7a33\u5b9a\u3002<\/p>\n

    \u7f3a\u70b9：1.\u8868\u8fbe\u80fd\u529b\u6709\u9650，\u56e0\u4e3a\u63cf\u8ff0\u5b50\u592a\u7b80\u5355\u30022.\u91cd\u590d\u7eb9\u7406\u5bb9\u6613\u8bef\u5339\u914d\u30023.\u5bf9\u590d\u6742\u5149\u7167\u53d8\u5316\u4e0d\u5982\u6df1\u5ea6\u7279\u5f81\u3002<\/p>\n

    5.SOLD2<\/p>\n

    Self-supervised Occlusion-aware Line Description and Detection，\u6df1\u5ea6\u5b66\u4e60\u7ebf\u63cf\u8ff0\u5b50，\u96c6\u7ebf\u68c0\u6d4b\u3001\u7ebf\u63cf\u8ff0\u3001\u7ebf\u5339\u914d\u4e8e\u4e00\u4f53\u5316\u7684\u7cfb\u7edf，\u8ba9\u7f51\u7edc\u81ea\u5df1\u5b66\u4e60\u4ec0\u4e48\u6837\u7684\u7ed3\u6784\u6700\u5bb9\u6613\u5339\u914d\u3002<\/p>\n

    \u4f20\u7edf\u65b9\u6cd5\u7684\u51e0\u5927\u95ee\u9898：1.\u7ebf\u5bb9\u6613\u65ad\u88c2，\u4f8b\u5982\u906e\u6321\u3001\u9634\u5f71\u30022.\u91cd\u590d\u7ed3\u6784\u4e25\u91cd，\u4f8b\u5982\u7a97\u6846，\u6805\u680f\u30023.\u624b\u5de5\u63cf\u8ff0\u5b50\u533a\u5206\u6027\u4e0d\u8db3，LBD\/MSLD\u672c\u8d28\u8fd8\u662f\u68af\u5ea6\u7edf\u8ba1\u30024.\u90e8\u5206\u53ef\u89c1\u6027\u95ee\u9898，\u5f88\u591a\u7ebf\u53ea\u51fa\u73b0\u4e00\u534a\u3002<\/p>\n

    \u603b\u4f53\u7ed3\u6784：Image\u2192CNN Backbone\u2192Line Detector\u2192Line Heatmap\u2192Line Segments<\/p>\n

    Line Detector（\u7ebf\u68c0\u6d4b\u5668）：CNN \u9884\u6d4b\u7ebf\u6982\u7387，\u8f93\u51fa Line Heatmap（\u7ebf\u70ed\u529b\u56fe），\u4f8b\u5982\u6bcf\u4e2a\u50cf\u7d20\u5c5e\u4e8e\u7ebf\u7684\u6982\u7387\u3002CNN \u80fd\u5229\u7528\u5927\u8303\u56f4\u4e0a\u4e0b\u6587，\u5373\u4f7f\u7ebf\u65ad\u88c2，\u7f51\u7edc\u4e5f\u80fd\u63a8\u65ad\u5b83\u4ecd\u7136\u5c5e\u4e8e\u540c\u4e00\u6761\u7ebf\u3002<\/p>\n

    Descriptor Decoder（\u63cf\u8ff0\u5b50\u89e3\u7801\u5668）：\u4f20\u7edf\u65b9\u6cd5\u7edf\u8ba1\u68af\u5ea6\u3001\u65b9\u5411\u76f4\u65b9\u56fe\u3002CNN \u76f4\u63a5\u8f93\u51fa\u7279\u5f81\u5d4c\u5165\u3002SOLD2 \u7ebf\u5f97\u5230\u7a20\u5bc6\u7279\u5f81\u56fe，\u7136\u540e\u6cbf\u7ebf\u91c7\u6837\u53d6\u7279\u5f81，\u6700\u540eaverage pooling\u3001attention\u3001aggregation\u5f62\u6210\u6574\u6761\u7ebf\u63cf\u8ff0\u5b50\u3002<\/p>\n

    \u4e3a\u4ec0\u4e48\u6bd4LBD\u5f3a：\u53ea\u80fd\u8868\u8fbe\u5c40\u90e8\u68af\u5ea6\u5173\u7cfb，\u800cSOLD2 \u7279\u5f81\u5305\u542b\u8d28\u5730\u3001\u4e0a\u4e0b\u6587\u3001\u8bed\u4e49\u3001\u5168\u5c40\u7ed3\u6784\u3002<\/p>\n

    \u4f18\u70b9：1.\u5149\u7167\u4e0d\u53d8\u6027\u30022.\u906e\u6321\u9c81\u68d2\u6027\u30023.\u91cd\u590d\u7eb9\u7406\u533a\u5206\u80fd\u529b\u30024.\u4e0a\u4e0b\u6587\u8bed\u4e49\u30025.\u975e\u7ebf\u6027\u7ed3\u6784\u8868\u8fbe\u3002<\/p>\n

    \u7f3a\u70b9：1.\u8ba1\u7b97\u91cf\u5927\u30022.\u5185\u5b58\u5927，\u901a\u5e38\u6d6e\u70b9\u63cf\u8ff0\u5b50\u30023.CPU\u5b9e\u65f6\u6027\u8f83\u5dee\u30024.\u90e8\u7f72\u590d\u6742\u3002<\/p>\n\n\u65b9\u6cd5\u7c7b\u578b\u6838\u5fc3\u601d\u60f3Descriptor\u7c7b\u578b\u5339\u914d\u8ddd\u79bb\u901f\u5ea6\u9c81\u68d2\u6027\u8ba1\u7b97\u91cf\u662f\u5426\u5b9e\u65f6\u4e3b\u8981\u4f18\u70b9\u4e3b\u8981\u7f3a\u70b9\u5178\u578b\u573a\u666f<\/tr>\n\n\n\n\n\n\n
    MSLD<\/td>\n\u7edf\u8ba1\u578b<\/td>\n\u7edf\u8ba1\u7ebf\u652f\u6301\u533a\u57df\u7684 mean\/std<\/td>\nFloat<\/td>\nL2<\/td>\n\u8f83\u6162<\/td>\n\u5f3a<\/td>\n\u8f83\u5927<\/td>\n\u4e00\u822c<\/td>\n\u4fe1\u606f\u91cf\u4e30\u5bcc；\u5339\u914d\u7a33\u5b9a<\/td>\n\u5339\u914d\u6162；\u5185\u5b58\u5927<\/td>\n\u9ad8\u7cbe\u5ea6\u5339\u914d<\/td>\n<\/tr>\n
    LBD<\/td>\n\u4e8c\u503c\u578b<\/td>\nBand\u7edf\u8ba1 + Binary Encoding<\/td>\nBinary<\/td>\nHamming<\/td>\n\u5f88\u5feb<\/td>\n\u8f83\u5f3a<\/td>\n\u5c0f<\/td>\n\u5f88\u5f3a<\/td>\n\u5b9e\u65f6\u6027\u4f18\u79c0；\u5185\u5b58\u5c0f<\/td>\n\u4fe1\u606f\u635f\u5931；\u91cd\u590d\u7eb9\u7406\u6613\u8bef\u5339\u914d<\/td>\nVO\/SLAM<\/td>\n<\/tr>\n
    Line-SIFT<\/td>\nHistogram\u578b<\/td>\n\u7edf\u8ba1\u68af\u5ea6\u65b9\u5411\u5206\u5e03<\/td>\nFloat<\/td>\nL2<\/td>\n\u6162<\/td>\n\u5f88\u5f3a<\/td>\n\u5927<\/td>\n\u8f83\u5dee<\/td>\n\u5c3a\u5ea6\u4e0e\u65cb\u8f6c\u9c81\u68d2\u6027\u5f3a<\/td>\ndescriptor\u7ef4\u5ea6\u9ad8<\/td>\n\u79bb\u7ebf\u914d\u51c6<\/td>\n<\/tr>\n
    LLD<\/td>\n\u8f7b\u91cf\u5c40\u90e8\u578b<\/td>\n\u5c40\u90e8\u533a\u57df\u5feb\u901f\u7f16\u7801<\/td>\n\u591a\u4e3aBinary<\/td>\nHamming<\/td>\n\u5f88\u5feb<\/td>\n\u4e2d\u7b49<\/td>\n\u5c0f<\/td>\n\u5f3a<\/td>\n\u8f7b\u91cf\u5316；CPU\u53cb\u597d<\/td>\n\u533a\u5206\u6027\u4e00\u822c<\/td>\nEmbedded\/\u5b9e\u65f6\u7cfb\u7edf<\/td>\n<\/tr>\n
    SOLD2<\/td>\n\u6df1\u5ea6\u5b66\u4e60\u578b<\/td>\nCNN\u5b66\u4e60\u7ebf\u7ed3\u6784\u7279\u5f81<\/td>\nLearned Float Embedding<\/td>\nCosine\/L2<\/td>\n\u8f83\u6162<\/td>\n\u6700\u5f3a<\/td>\n\u5f88\u5927<\/td>\nGPU\u4e0b\u53ef\u5b9e\u65f6<\/td>\n\u5149\u7167\/\u906e\u6321\/\u91cd\u590d\u7eb9\u7406\u9c81\u68d2\u6027\u5f3a<\/td>\n\u9700\u8981GPU；\u90e8\u7f72\u590d\u6742<\/td>\n\u73b0\u4ee3\u6df1\u5ea6SLAM<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

    （5）\u51e0\u4f55\u7ea6\u675f<\/p>\n

    1.\u65b9\u5411\u7ea6\u675f<\/p>\n

  • \u7ebf\u65b9\u5411：\u7ebf\u6bb5\"$l=(p_s,\\\\,，\u65b9\u5411\u5411\u91cf\"$v=\\\\frac{p_e-p_s}{\\\\|p_e-p_s\\\\|}$\"\u3002<\/li>\n
  • \u65b9\u5411\u5939\u89d2：\u4e24\u6761\u7ebf l1\u200b，l2，\u5939\u89d2\u03b8=arccos(v1\u200b\u22c5v2\u200b)\u3002<\/li>\n
  • \u5339\u914d\u6761\u4ef6：\u03b8<\u03c4\u03b8\u3002\u200b\u200b<\/li>\n

    2.Overlap\u7ea6\u675f<\/p>\n

    \u4e0d\u4ec5\u65b9\u5411\u4e00\u81f4，\u8fd8\u5e94\u5728\u7ebf\u65b9\u5411\u4e0a\u6709\u91cd\u53e0\u3002<\/p>\n

  • \u7edf\u4e00\u65b9\u5411<\/li>\n
  • \u5c06\u4e24\u7ebf\u6295\u5f71\u6620\u5c04\u5230\u540c\u4e00\u8f74\u4e0a，\u5f97\u5230\u4e24\u4e2a\u533a\u95f4 [a1\u200b,b1\u200b]，[a2,b2]\u3002<\/li>\n
  • \u8ba1\u7b97\u91cd\u53e0\u957f\u5ea6：\"$L_o=\\\\max\\\\bigl(0,\\\\;<\/li>\n
  • \u5f52\u4e00\u5316：\"r=\\\\frac{L_o}{max(L_1,L_2)}\"，\u5982\u679cr > 0.5 \u8bf4\u660e\u81f3\u5c11\u6709\u4e00\u534a\u91cd\u53e0\u3002<\/li>\n

    3.\u957f\u5ea6\u7ea6\u675f<\/p>\n

    \u540c\u4e00\u7269\u7406\u7ebf，\u957f\u5ea6\u4e0d\u4f1a\u5dee\u592a\u79bb\u8c31\u3002\u8981\u6c42 rl\u200b > \u03c4，\u901a\u5e38 \u03c4 = 0.5\u3002\"r_l=\\\\frac{min(L_1,L_2)}{max(L_1,L_2)}\"<\/p>\n

    4.\u4e2d\u70b9\u8ddd\u79bb\u7ea6\u675f<\/p>\n

  • \u5b9a\u4e49\u4e2d\u70b9\u00a0\"c=\\\\frac{ps+pe}{2}\"\u3002<\/li>\n
  • \u8ddd\u79bb\"$d_c=\\\\|c_1\u3002<\/li>\n
  • \u6761\u4ef6 dc \u200b< \u03c4c\u3002\u200b<\/li>\n

    \u9002\u5408\u89c6\u9891\u8ddf\u8e2a，VO\u8fde\u7eed\u5e27\u3002<\/p>\n

    5.\u70b9\u5230\u7ebf\u8ddd\u79bb\u7ea6\u675f<\/p>\n

    \u7ebf\u91cd\u6295\u5f71\u8bef\u5dee\u6838\u5fc3，SLAM \u6838\u5fc3，\u5df2\u77e5\u5730\u56fe\u7ebf\u3001\u76f8\u673a\u4f4d\u59ff，\u5f97\u5230\u6295\u5f71\u540e\u7684\u7ebf，\u518d\u6bd4\u8f83\u89c2\u6d4b\u7ebf\u7aef\u70b9\u5230\u6295\u5f71\u7ebf\u8ddd\u79bb\u3002<\/p>\n

    2. \u7279\u5f81\u5339\u914d<\/h3>\n

    \u7279\u5f81\u5339\u914d\u7684\u672c\u8d28\u662f\u7279\u5f81\u63cf\u8ff0\u5b50\u7684\u6700\u8fd1\u90bb\u641c\u7d22，\u6bcf\u4e00\u4e2a\u5173\u952e\u70b9\u63d0\u53d6\u4e00\u4e2a\u9ad8\u7ef4\u63cf\u8ff0\u5b50\u5411\u91cf，\u7136\u540e\u7b97\u5411\u91cf\u8ddd\u79bb，\u8ddd\u79bb\u6700\u5c0f\u7684\u5c31\u5f53\u6210\u5339\u914d\u5bf9\u3002<\/p>\n

    \u4e3a\u4ec0\u4e48\u5fc5\u7136\u6709\u9519\u8bef\u5339\u914d：1.\u53ea\u770b\u5411\u91cf\u76f8\u4f3c\u5ea6，\u4e0d\u770b\u51e0\u4f55\u5173\u7cfb\u30022.\u91cd\u590d\u7eb9\u7406\u5fc5\u7136\u649e\u8f66\u30023.SIFT\/ORB \u90fd\u662f\u5c40\u90e8\u5c0f\u90bb\u57df\u7279\u5f81，\u53ea\u6709\u5c0f\u5757\u7eb9\u7406\u4fe1\u606f，\u6ca1\u6709\u6574\u5f20\u56fe\u7684\u5168\u5c40\u4f4d\u7f6e\u903b\u8f91；<\/p>\n

    2.1 BFMatcher<\/h4>\n

    \u66b4\u529b\u5339\u914d，\u6700\u7b80\u5355\u3001\u6700\u76f4\u63a5：\u5bf9\u6bcf\u4e2a\u7279\u5f81\u70b9，\u904d\u5386\u53e6\u4e00\u5f20\u56fe\u6240\u6709\u70b9\u627e\u6700\u8fd1\u7684\u3002<\/p>\n

    \u4f18\u70b9：\u7b80\u5355\u76f4\u63a5，，\u7cbe\u5ea6\u9ad8，\u5bb9\u6613\u7406\u89e3\u3002<\/p>\n

    \u7f3a\u70b9：\u6162\u3001\u5bb9\u6613\u4ea7\u751f\u9519\u8bef\u5339\u914d，\u91cd\u590d\u7eb9\u7406\u573a\u666f\u4e0d\u7a33\u5b9a\u3002<\/p>\n

    \u8ddd\u79bb\u5ea6\u91cf：ORB（\u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50）\u4f7f\u7528\u6c49\u660e\u8ddd\u79bb（Hamming Distance），\u53c2\u6570\u4e3acv::NORM_HAMMING，\u5373\u4e24\u4e2a\u4e8c\u8fdb\u5236\u4e32\u6709\u591a\u5c11\u4f4d\u4e0d\u540c；SIFT \/ SURF（\u6d6e\u70b9\u63cf\u8ff0\u5b50）\u4f7f\u7528\u6b27\u6c0f\u8ddd\u79bb（L2 Distance），\u53c2\u6570\u4e3acv::NORM_L2\u3002<\/p>\n

    cv::BFMatcher matcher(cv::NORM_HAMMING);\/\/ \u7b2c\u4e8c\u4e2a\u53c2\u6570=true = \u4ea4\u53c9\u9a8c\u8bc1
    \nstd::vector<cv::DMatch> matches;
    \nmatcher.match(des1, des2, matches);<\/p>\n

    2.2 KNN \u5339\u914d + Lowe Ratio Test<\/h4>\n

    \u8fd9\u662f\u7ecf\u5178\u5c40\u90e8\u7279\u5f81（SIFT \/ SURF \/ ORB）\u4e2d\u6700\u6807\u51c6\u3001\u6700\u5e38\u7528\u7684\u9c81\u68d2\u5339\u914d\u65b9\u6cd5\u3002\u539f\u7406：\u5bf9\u6bcf\u4e2a\u70b9\u627e 2 \u4e2a\u6700\u8fd1\u90bb，\u5982\u679c\u6700\u8fd1\u90bb \/ \u6b21\u8fd1\u90bb < 0.75，\u8bf4\u660e\u5339\u914d\u53ef\u9760，\u5426\u5219\u662f\u6a21\u7cca\u5339\u914d \u3002<\/p>\n

    \u4f18\u70b9：\u5927\u5e45\u51cf\u5c11\u8bef\u5339\u914d，\u5bf9\u91cd\u590d\u7eb9\u7406\u6548\u679c\u597d，SIFT\/ORB \u6807\u51c6\u6d41\u7a0b\u3002<\/p>\n

    \u7f3a\u70b9：\u5339\u914d\u6570\u4f1a\u51cf\u5c11\u3002<\/p>\n

    cv::BFMatcher matcher(cv::NORM_L2);
    \nstd::vector<std::vector<cv::DMatch>> knnMatches;<\/p>\n

    matcher.knnMatch(des1, des2, knnMatches, 2);<\/p>\n

    std::vector<cv::DMatch> goodMatches;<\/p>\n

    for (auto& match : knnMatches) {
    \n if (match[0].distance < 0.75 * match[1].distance) {
    \n goodMatches.push_back(match[0]);
    \n }
    \n}<\/p>\n

    \u4e3a\u4ec0\u4e48\u975e\u5e38\u6709\u6548？\u4f8b\u5982：<\/p>\n

    \u6b63\u786e\u5339\u914d：\u6700\u8fd1\u90bb 10，\u7b2c\u4e8c\u8fd1\u90bb 40\u3002\u8bf4\u660e\u552f\u4e00\u6027\u5f3a\u3002<\/p>\n

    \u9519\u8bef\u5339\u914d：\u6700\u8fd1\u90bb 20，\u7b2c\u4e8c\u8fd1\u90bb 22\u3002\u8bf4\u660e\u5f88\u591a\u70b9\u90fd\u5f88\u50cf，\u4e0d\u53ef\u9760\u3002<\/p>\n

    2.3 radiusMatch<\/h4>\n

    \u534a\u5f84\u5339\u914d\/\u8ddd\u79bb\u9608\u503c\u8fc7\u6ee4\u5339\u914d，\u5c5e*\u66b4\u529b\u5339\u914d\u7684\u4e00\u79cd，\u6838\u5fc3\u601d\u60f3：\u5bf9\u6bcf\u4e2a\u7279\u5f81\u70b9，\u8ba1\u7b97\u5b83\u4e0e\u53e6\u4e00\u5f20\u56fe\u6240\u6709\u7279\u5f81\u70b9\u7684\u63cf\u8ff0\u5b50\u8ddd\u79bb，\u53ea\u4fdd\u7559\u8ddd\u79bb \u2264 \u8bbe\u5b9a\u9608\u503c（maxDistance）\u7684\u5339\u914d，\u5927\u4e8e\u9608\u503c\u7684\u5168\u90e8\u4e22\u5f03，\u8ba4\u4e3a\u201c\u4e0d\u591f\u50cf\u201d\u3002\u5b83\u4e0d\u9650\u5236\u5339\u914d\u6570\u91cf（0\/1\/\u591a\u4e2a\u90fd\u884c），\u53ea\u770b\u76f8\u4f3c\u5ea6\u591f\u4e0d\u591f\u9ad8\u3002<\/p>\n

    \u4f18\u70b9
    \n– \u7b80\u5355\u76f4\u89c2，\u53ef\u63a7\u6027\u5f3a（\u76f4\u63a5\u7528\u8ddd\u79bb\u63a7\u5236\u8d28\u91cf）
    \n– \u53ef\u4ee5\u4fdd\u7559\u4e00\u5bf9\u591a\u7684\u6b63\u786e\u5339\u914d（\u67d0\u4e9b\u573a\u666f\u9700\u8981）
    \n– \u4e0d\u9700\u8981\u50cf KNN \u90a3\u6837\u4f9d\u8d56\u6b21\u8fd1\u90bb，\u9002\u5408\u7279\u5f81\u5c11\u7684\u56fe<\/p>\n

    \u7f3a\u70b9
    \n– \u901f\u5ea6\u6162（\u66b4\u529b\u904d\u5386）
    \n– \u9608\u503c\u9700\u8981\u624b\u52a8\u8c03，\u4e0d\u540c\u56fe\u3001\u4e0d\u540c\u7279\u5f81\u8981\u6539\u53c2\u6570
    \n– \u91cd\u590d\u7eb9\u7406\u573a\u666f\u4ecd\u7136\u5bb9\u6613\u51fa\u9519<\/p>\n

    cv::BFMatcher matcher(cv::NORM_L2); \u00a0\/\/ SIFT\u7528L2，ORB\u7528HAMMING<\/p>\n

    std::vector<std::vector<cv::DMatch>> radiusMatches;
    \nfloat maxDistance = 150; \u00a0\/\/ \u8ddd\u79bb\u9608\u503c（SIFT\u5e38\u7528 100~200）<\/p>\n

    matcher.radiusMatch(des1, des2, radiusMatches, maxDistance);<\/p>\n

    \/\/ \u8f6c\u6210\u4e00\u7ef4\u597d\u4f7f\u7528
    \nstd::vector<cv::DMatch> goodMatches;
    \nfor (auto& matchVec : radiusMatches) {
    \n\u00a0 \u00a0 if (!matchVec.empty()) {
    \n\u00a0 \u00a0 \u00a0 \u00a0 goodMatches.push_back(matchVec[0]); \u00a0\/\/ \u53d6\u6700\u8fd1\u7684\u4e00\u4e2a
    \n\u00a0 \u00a0 }
    \n}<\/p>\n

    \u4e3a\u4ec0\u4e48\u6709\u6548？
    \n– \u6b63\u786e\u5339\u914d：\u63cf\u8ff0\u5b50\u8ddd\u79bb\u5f88\u5c0f
    \n– \u9519\u8bef\u5339\u914d：\u63cf\u8ff0\u5b50\u8ddd\u79bb\u5f88\u5927<\/p>\n

    \u76f4\u63a5\u8bbe\u5b9a\u4e00\u6761\u201c\u53ca\u683c\u7ebf\u201d，\u53ea\u7559\u4e0b\u9ad8\u5206\u5339\u914d\u3002<\/p>\n

    2.3. FLANN \u5feb\u901f\u5339\u914d<\/h4>\n

    Fast Library for Approximate Nearest Neighbors，\u7279\u5f81\u70b9\u8d85\u591a\u65f6\u7528\u3002\u6838\u5fc3\u601d\u60f3：\u4e0d\u7528\u66b4\u529b\u641c\u7d22，\u800c\u662f\u7528\u7d22\u5f15\u7ed3\u6784\u52a0\u901f\u6700\u8fd1\u90bb\u67e5\u627e.<\/p>\n

    \u4f18\u70b9：\u5f88\u5feb，\u5927\u89c4\u6a21\u5339\u914d\u4f18\u79c0\u3002<\/p>\n

    \u7f3a\u70b9：\u8fd1\u4f3c\u641c\u7d22\u3002<\/p>\n

    \u9002\u7528：SIFT\/SURF\u3001\u51e0\u5343\u4ee5\u4e0a\u7279\u5f81\u70b9<\/p>\n

    cv::FlannBasedMatcher matcher;
    \nstd::vector<cv::DMatch> matches;
    \nmatcher.match(des1, des2, matches);<\/p>\n

    2.4 RANSAC （Random Sample Consensus）<\/h4>\n

    \u5b83\u4e0d\u662f\u5339\u914d\u65b9\u6cd5，\u800c\u662f\u5339\u914d\u540e\u8fc7\u6ee4\u3002<\/p>\n

    RANSAC\u7684\u76ee\u6807\u662f\u4ece\u4e00\u5806\u5e26\u9519\u8bef\u7684\u5339\u914d\u91cc，\u627e\u51fa\u6b63\u786e\u7684\u5185\u70b9，\u6254\u6389\u9519\u8bef\u7684\u5916\u70b9\u3002\u7279\u5f81\u5339\u914d\u4e4b\u540e\u4e00\u5b9a\u5b58\u5728\u9519\u8bef\u5339\u914d，\u800c\u56fe\u50cf\u62fc\u63a5\u771f\u6b63\u9700\u8981\u7684\u662f，\u51e0\u4f55\u4e00\u81f4\u7684\u5339\u914d\u3002<\/p>\n

    Inlier（\u5185\u70b9）：\u771f\u6b63\u7b26\u5408\u540c\u4e00\u4e2a\u51e0\u4f55\u6a21\u578b\u7684\u5339\u914d\u70b9<\/p>\n

    Outlier（\u5916\u70b9）：\u9519\u8bef\u5339\u914d，\u4e0d\u6ee1\u8db3\u6574\u4f53\u51e0\u4f55\u5173\u7cfb<\/p>\n

    \u968f\u673a\u4e00\u81f4\u6027\u62bd\u6837\u7684\u6838\u5fc3\u601d\u60f3：\u5148\u968f\u673a\u62bd\u5c11\u91cf\u70b9，\u7528\u8fd9\u4e9b\u70b9\u8ba1\u7b97\u5355\u5e94\u77e9\u9635H，\u62ff\u8fd9\u4e2aH\u53bb\u9a8c\u8bc1\u6240\u6709\u5339\u914d\u70b9\u3002\u5148\u731c\u4e00\u4e2a\u6a21\u578b，\u770b\u8c01\u652f\u6301\u5b83，\u7136\u540e\u4e0d\u65ad\u91cd\u590d，\u627e\u51fa\u201d\u652f\u6301\u4eba\u6570\u6700\u591a\u201c\u7684\u54ea\u4e2aH\u3002<\/p>\n

    Lowe Ratio\u770b\u7684\u662f\u63cf\u8ff0\u5b50\u50cf\u4e0d\u50cf，\u5c5e\u4e8e\u5c40\u90e8\u7eb9\u7406\u4e00\u81f4\u6027，RANSAC\u770b\u7684\u662f\u51e0\u4f55\u5173\u7cfb\u662f\u5426\u4e00\u81f4\u3002<\/p>\n

    Reprojection Error（\u91cd\u6295\u5f71\u8bef\u5dee）：RANSAC\u4f1a\u5148\u968f\u673a\u731c\u4e00\u4e2a\u6a21\u578b（H\u6216Affine），\u7528\u8fd9\u4e2a\u6a21\u578b\u9884\u6d4b\u6e90\u70b9\u5e94\u8be5\u6295\u5f71\u5230\u54ea\u91cc\u30023.\u8ba1\u7b97\u9884\u6d4b\u4f4d\u7f6e\u548c\u771f\u5b9e\u5339\u914d\u4f4d\u7f6e\u4e4b\u95f4\u7684\u8ddd\u79bb，\u8fd9\u5c31\u662f\u91cd\u6295\u5f71\u8bef\u5dee\u3002\u5982\u679c\u8bef\u5dee < ransacReprojThreshold，\u5219\u8ba4\u4e3a\u662f\u5185\u70b9，\u5426\u5219\u8ba4\u4e3a\u662f\u5916\u70b9<\/p>\n

    cv::Mat H = cv::findHomography(
    \n srcPoints, \/\/ \u6e90\u56fe\u50cf\u70b9
    \n dstPoints, \/\/ \u76ee\u6807\u56fe\u50cf\u70b9
    \n cv::RANSAC, \/\/ \u5f00\u542f RANSAC
    \n 5.0 \/\/ \u8bef\u5dee\u9608\u503c（\u4e00\u822c 3~5）
    \n);
    \n\u8f93\u51fa mask，\u8868\u793a\u54ea\u4e9b\u662f\u5185\u70b9（inlier）<\/p>\n\n\u65b9\u6cd5\u672c\u8d28\u5e38\u7528\u63cf\u8ff0\u5b50\/\u7b97\u6cd5\u4f18\u70b9\u7f3a\u70b9\u5178\u578b\u4f7f\u7528\u573a\u666f<\/tr>\n\n\n\n\n\n\n
    BF Match<\/td>\n\u66b4\u529b\u6700\u8fd1\u90bb\u5339\u914d<\/td>\nORB\u3001BRIEF\u3001AKAZE<\/td>\n\u7b80\u5355\u3001\u7cbe\u786e<\/td>\n\u901f\u5ea6\u6162<\/td>\n\u5c0f\u89c4\u6a21\u7279\u5f81\u5339\u914d\u3001\u5b66\u4e60\u4e0e\u8c03\u8bd5<\/td>\n<\/tr>\n
    BF Match + CrossCheck<\/td>\n\u5f00\u542f\u4ea4\u53c9\u9a8c\u8bc1（\u53cc\u5411\u6700\u8fd1\u90bb\u4e00\u81f4）<\/td>\nORB\u3001BRIEF<\/td>\n\u5339\u914d\u66f4\u7a33\u5b9a\u3001\u8bef\u5339\u914d\u66f4\u5c11<\/td>\n\u5339\u914d\u6570\u91cf\u51cf\u5c11<\/td>\nORB \u56fe\u50cf\u914d\u51c6\u3001\u5b9e\u65f6\u89c6\u89c9\u3001\u5c0f\u8303\u56f4\u8fd0\u52a8\u573a\u666f<\/td>\n<\/tr>\n
    KNN Match + Lowe Ratio Test<\/td>\n\u591a\u8fd1\u90bb\u5339\u914d + \u6700\u8fd1\u90bb\u552f\u4e00\u6027\u8fc7\u6ee4<\/td>\nSIFT\u3001SURF\u3001ORB<\/td>\n\u9c81\u68d2\u6027\u9ad8\u3001\u6709\u6548\u51cf\u5c11\u8bef\u5339\u914d<\/td>\n\u4f1a\u4e22\u5931\u90e8\u5206\u6b63\u786e\u5339\u914d<\/td>\n\u9ad8\u7cbe\u5ea6\u56fe\u50cf\u914d\u51c6\u3001\u62fc\u63a5\u3001SLAM\u3001\u4e09\u7ef4\u91cd\u5efa<\/td>\n<\/tr>\n
    FLANN<\/td>\n\u8fd1\u4f3c\u6700\u8fd1\u90bb\u641c\u7d22<\/td>\nSIFT\u3001SURF<\/td>\n\u5927\u89c4\u6a21\u5339\u914d\u901f\u5ea6\u5feb<\/td>\n\u7cbe\u5ea6\u7565\u4f4e\u4e8e\u66b4\u529b\u5339\u914d<\/td>\n\u5927\u91cf\u7279\u5f81\u70b9\u5339\u914d\u3001\u79bb\u7ebf\u91cd\u5efa\u3001\u5927\u573a\u666f\u68c0\u7d22<\/td>\n<\/tr>\n
    RANSAC<\/td>\n\u51e0\u4f55\u4e00\u81f4\u6027\u7b5b\u9009<\/td>\n\u914d\u5408\u6240\u6709\u7279\u5f81\u7b97\u6cd5\u4f7f\u7528<\/td>\n\u53bb\u9664\u79bb\u7fa4\u70b9\u3001\u63d0\u9ad8\u914d\u51c6\u7a33\u5b9a\u6027<\/td>\n\u4e0d\u662f\u5339\u914d\u5668，\u9700\u8981\u4f9d\u8d56\u524d\u5e8f\u5339\u914d<\/td>\n\u5355\u5e94\u77e9\u9635\u4f30\u8ba1\u3001\u56fe\u50cf\u914d\u51c6\u3001\u4f4d\u59ff\u4f30\u8ba1\u3001SLAM<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

    void cv::DescriptorMatcher::match(InputArray queryDescriptors, InputArray trainDescriptors, std::vector<DMatch>& matches, InputArray mask = noArray());
    \n\u529f\u80fd：\u5bf9\u4e24\u7ec4\u63cf\u8ff0\u5b50\u8fdb\u884c\u6700\u8fd1\u90bb\u5339\u914d\u3002
    \n\u53c2\u6570：mask：\u5339\u914d\u63a9\u7801，\u7528\u4e8e\u9650\u5236\u90a3\u4e9b\u63cf\u8ff0\u5b50\u5141\u8bb8\u5339\u914d，\u9ed8\u8ba4\u4e3anoArray，\u8868\u793a\u5168\u56fe\u5339\u914d<\/p>\n

    void cv::drawMatches(InputArray img1, const std::vector<KeyPoint>& keypoints1, InputArray img2, const std::vector<KeyPoint>& keypoints2, const std::vector<DMatch>& matches1to2, InputOutputArray outImg, const Scalar& matchColor = Scalar::all(-1), const Scalar& singlePointColor = Scalar::all(-1), const std::vector<char>& matchesMask = std::vector<char>(), int flags = DrawMatchesFlags::DEFAULT);
    \n\u529f\u80fd：\u7ed8\u5236\u4e24\u5e45\u56fe\u50cf\u4e4b\u95f4\u7684\u5339\u914d\u7279\u5f81\u70b9\u3002
    \n\u53c2\u6570：
    \nmatches1to2：\u5339\u914d\u7ed3\u679c，\u901a\u5e38\u6765\u81eamatcher.match()\u6216good_matches；
    \noutImg：\u8f93\u51fa\u7ed8\u5236\u56fe\u50cf
    \nmatchesMask：\u5339\u914d\u63a9\u7801，\u7528\u4e8e\u53ea\u7ed8\u5236\u90e8\u5206\u5339\u914d，\u901a\u5e38\u914d\u5408RANSAC\u5185\u70b9\u4f7f\u7528
    \nflags：\u7ed8\u5236\u65b9\u5f0f\u63a7\u5236，\u5e38\u7528 DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS \u8868\u793a\u4e0d\u7ed8\u5236\u672a\u5339\u914d\u70b9<\/p>\n

    2.5 \u56fe\u50cf\u914d\u51c6\u8fc7\u7a0b\u4e2d\u4f7f\u7528\u5230\u7684\u6570\u636e\u7ed3\u6784<\/h4>\n

    （1）cv::Mat<\/p>\n

    OpenCV\u4e2d\u56fe\u50cf\/\u77e9\u9635\u7684\u7edf\u4e00\u6570\u636e\u7ed3\u6784，\u672c\u8d28\u662f\u4e8c\u7ef4\u77e9\u9635<\/p>\n

    \/\/ 1. \u5b58\u50a8\u56fe\u50cf：cv::Mat img
    \n\/\/ 2. \u5b58\u50a8\u63cf\u8ff0\u5b50：cv::Mat descriptors
    \n\/\/ 3. \u5b58\u50a8\u5355\u5e94\u77e9\u9635：3×3 \u53d8\u6362\u77e9\u9635 cv::Mat H
    \n\/\/ 4. \u5185\u70b9\u63a9\u7801：cv::Mat mask（RANSAC \u8f93\u51fa，\u6807\u8bb0\u5185\u70b9\/\u5916\u70b9）
    \nclass cv::Mat
    \n{
    \npublic:
    \n int rows; \/\/ \u77e9\u9635\u7684\u884c\u6570
    \n \/\/ – \u56fe\u50cf：\u9ad8\u5ea6（\u56fe\u50cf\u7684\u884c\u6570，\u5373Y\u65b9\u5411\u5c3a\u5bf8）
    \n \/\/ – \u63cf\u8ff0\u5b50\u96c6\u5408：\u7279\u5f81\u70b9\u7684\u6570\u91cf（\u6bcf\u4e2a\u7279\u5f81\u70b9\u63cf\u8ff0\u5b50\u5360\u4e00\u884c）
    \n \/\/ – \u5355\u5e94\u77e9\u9635 H：3（3\u00d73\u77e9\u9635\u7684\u884c\u6570）
    \n \/\/ – \u5185\u70b9\u63a9\u7801 mask：\u5339\u914d\u70b9\u5bf9\u7684\u6570\u91cf（\u6bcf\u4e2a\u70b9\u5bf9\u5bf9\u5e94\u4e00\u884c）<\/p>\n

    int cols; \/\/ \u77e9\u9635\u7684\u5217\u6570
    \n \/\/ – \u56fe\u50cf：\u5bbd\u5ea6（\u56fe\u50cf\u7684\u5217\u6570，\u5373X\u65b9\u5411\u5c3a\u5bf8）
    \n \/\/ – \u63cf\u8ff0\u5b50\u96c6\u5408：\u63cf\u8ff0\u5b50\u7684\u7ef4\u5ea6
    \n \/\/ SIFT \/ SURF：128 \u6216 64（\u6d6e\u70b9\u578b）
    \n \/\/ ORB \/ BRISK \/ FREAK：32 \u5b57\u8282（256 \u4f4d，\u5b57\u8282\u578b）
    \n \/\/ – \u5355\u5e94\u77e9\u9635 H：3（3\u00d73\u77e9\u9635\u7684\u5217\u6570）
    \n \/\/ – \u5185\u70b9\u63a9\u7801 mask：1（\u6bcf\u4e00\u884c\u53ea\u6709\u4e00\u4e2a\u503c，\u8868\u793a\u5185\u70b9\/\u5916\u70b9）<\/p>\n

    int type; \/\/ \u77e9\u9635\u5143\u7d20\u7684\u6570\u636e\u7c7b\u578b\u53ca\u901a\u9053\u6570（\u7528 CV_ \u5b8f\u8868\u793a）
    \n \/\/ – \u56fe\u50cf：
    \n \/\/ \u00b7 \u7070\u5ea6\u56fe：CV_8UC1
    \n \/\/ \u00b7 \u5f69\u8272\u56fe：CV_8UC3（BGR \u987a\u5e8f）
    \n \/\/ – \u63cf\u8ff0\u5b50\u96c6\u5408：
    \n \/\/ \u00b7 SIFT \/ SURF：CV_32F（32\u4f4d\u6d6e\u70b9，\u6bcf\u4e2a\u7ef4\u5ea6\u4e00\u4e2a float）
    \n \/\/ \u00b7 ORB \/ AKAZE \/ BRISK：CV_8U（\u4e8c\u8fdb\u5236\u63cf\u8ff0\u5b50，\u901a\u5e38\u4e3a 8U \u5355\u901a\u9053，\u591a\u4e2a\u5b57\u8282\u8fde\u7eed\u5b58\u50a8）
    \n \/\/ – \u5355\u5e94\u77e9\u9635 H：\u591a\u6570\u4f7f\u7528 CV_64F（\u53cc\u7cbe\u5ea6）\u63d0\u9ad8\u7cbe\u5ea6，\u4e5f\u53ef\u7528 CV_32F
    \n \/\/ – \u5185\u70b9\u63a9\u7801 mask：CV_8U（8\u4f4d\u65e0\u7b26\u53f7\u6574\u6570，\u53d6\u503c 0（\u5916\u70b9）\u6216 1（\u5185\u70b9））<\/p>\n

    void* data; \/\/ \u6307\u5411\u77e9\u9635\u5b9e\u9645\u5b58\u50a8\u6570\u636e\u7684\u6307\u9488（\u6309\u884c\u987a\u5e8f\u8fde\u7eed\u5b58\u653e）
    \n \/\/ – \u56fe\u50cf：\u6307\u5411\u50cf\u7d20\u6570\u636e\u7684\u9996\u5730\u5740（\u6309\u884c\u4f18\u5148\u5b58\u50a8）
    \n \/\/ – \u63cf\u8ff0\u5b50\u96c6\u5408：\u6307\u5411\u6240\u6709\u7279\u5f81\u63cf\u8ff0\u5b50\u6570\u636e\u7684\u9996\u5730\u5740（\u6bcf\u884c\u4e00\u4e2a\u63cf\u8ff0\u5b50）
    \n \/\/ – \u5355\u5e94\u77e9\u9635 H：\u6307\u5411 9 \u4e2a\u6d6e\u70b9\u6570（\u6216 6 \u4e2a\u4eff\u5c04\u5143\u7d20）\u7684\u9996\u5730\u5740
    \n \/\/ – \u5185\u70b9\u63a9\u7801 mask：\u6307\u5411\u5b57\u8282\u6570\u7ec4\u7684\u9996\u5730\u5740，\u6bcf\u4e2a\u5b57\u8282\u4e3a 0 \u6216 1
    \n};<\/p>\n

    （2）cv::KeyPoint<\/p>\n

    \u4fdd\u5b58\u7279\u5f81\u70b9\u4fe1\u606f，\u672c\u8d28\u662f\u4e00\u4e2a\u5173\u952e\u70b9\u5bf9\u8c61\u3002\u5305\u62ec\u5750\u6807\u3001\u5c3a\u5ea6\u3001\u65b9\u5411\u3001\u54cd\u5e94\u503c\u7b49\u4fe1\u606f<\/p>\n

    class KeyPoint
    \n{
    \npublic:
    \n cv::Point2f pt; \/\/ \u5750\u6807 (x,y)
    \n float size; \/\/ \u7279\u5f81\u70b9\u76f4\u5f84\/\u5c3a\u5ea6
    \n float angle; \/\/ \u65b9\u5411 0~360\u00b0
    \n float response; \/\/ \u54cd\u5e94\u5f3a\u5ea6（\u7a33\u5b9a\u6027）
    \n int octave; \/\/ \u91d1\u5b57\u5854\u5c42\u6570
    \n int class_id; \/\/ \u5206\u7c7bID（\u9ed8\u8ba4-1）
    \n};<\/p>\n

    （3）cv::Point2f<\/p>\n

    \u4fdd\u5b58\u4e8c\u7ef4\u6d6e\u70b9\u5750\u6807，KeyPoint\u4fdd\u5b58\u5b8c\u6574\u7684\u7279\u5f81\u4fe1\u606f，\u4f46\u51e0\u4f55\u53d8\u6362\u53ea\u9700\u8981\u5750\u6807，\u56e0\u6b64\u7528\u6765\u63d0\u53d6\u5339\u914d\u70b9<\/p>\n

    struct Point2f
    \n{
    \n float x; \/\/ X\u5750\u6807
    \n float y; \/\/ Y\u5750\u6807
    \n};<\/p>\n

    （4）cv::Match<\/p>\n

    \u4fdd\u5b58\u4e24\u4e2a\u63cf\u8ff0\u5b50\u7684\u5339\u914d\u5173\u7cfb<\/p>\n

    class DMatch
    \n{
    \npublic:
    \n int queryIdx; \/\/ \u56fe1\u7684\u7279\u5f81\u70b9\u7d22\u5f15
    \n int trainIdx; \/\/ \u56fe2\u7684\u7279\u5f81\u70b9\u7d22\u5f15
    \n int imgIdx; \/\/ \u56fe\u50cf\u7d22\u5f15（\u4e00\u822c=0）
    \n float distance; \/\/ \u63cf\u8ff0\u5b50\u8ddd\u79bb（\u8d8a\u5c0f\u5339\u914d\u8d8a\u597d）
    \n};<\/p>\n

    （5）\u5b8c\u6574\u6d41\u7a0b\u4e2d\u7684\u6570\u636e\u6d41<\/p>\n

    Mat img1,img2 \u2192 vector<KeyPoint> \u2192 Mat descriptors \u2192 vector<DMatch> \u2192 vector<Point2f> \u2192 Mat H \u2192 warpPerspective \u2192 Mat registered<\/p>\n

    3. \u51e0\u4f55\u53d8\u6362\u6a21\u578b<\/h3>\n

    \u51e0\u4f55\u53d8\u6362\u6a21\u578b，\u7528\u6765\u63cf\u8ff0\u4e24\u5f20\u56fe\u50cf\u4e4b\u95f4\u50cf\u7d20\u4f4d\u7f6e\u7684\u6620\u5c04\u5173\u7cfb，\u5efa\u7acb\u4ece\u6e90\u56fe\u50cf \u2192 \u76ee\u6807\u56fe\u50cf\u7684\u7a7a\u95f4\u53d8\u6362\u89c4\u5219，\u5b9e\u73b0\u6574\u5e45\u56fe\u50cf\u5bf9\u9f50\u3001\u914d\u51c6\u3001\u77eb\u6b63\u3002<\/p>\n

    \u76f8\u5173\u6982\u5ff5：<\/p>\n

    \u81ea\u7531\u5ea6 DoF：\u552f\u4e00\u786e\u5b9a\u4e00\u79cd\u53d8\u6362，\u6700\u5c11\u9700\u8981\u591a\u5c11\u4e2a\u72ec\u7acb\u672a\u77e5\u53c2\u6570\u3002\u53c2\u6570\u8d8a\u591a \u2192 \u80fd\u63cf\u8ff0\u7684\u5f62\u53d8\u8d8a\u590d\u6742 \u2192 \u6a21\u578b\u8868\u8fbe\u80fd\u529b\u8d8a\u5f3a\u3002<\/p>\n

    3.1 Rigid<\/h4>\n

    \u521a\u4f53\u53d8\u6362，\u652f\u6301\u5e73\u79fb\u548c\u65cb\u8f6c\u3002<\/p>\n

    3 \u81ea\u7531\u5ea6：2D \u5e73\u9762，x \u5e73\u79fb\u3001y \u5e73\u79fb\u3001\u65cb\u8f6c\u89d2\u5ea6 \u2192 3 \u4e2a\u53c2\u6570\u3002\u957f\u5ea6\u4e0d\u53d8\u3001\u89d2\u5ea6\u4e0d\u53d8\u3001\u5f62\u72b6\u5b8c\u5168\u4e0d\u53d8，\u80fd\u53d8\u7684\u4e1c\u897f\u6700\u5c11，\u6240\u4ee5\u81ea\u7531\u5ea6\u6700\u4f4e\u3002<\/p>\n

    \u6570\u5b66\u5f62\u5f0f：x\u2032=Rx+t，\u5176\u4e2d，R\u4e3a\u65cb\u8f6c\u77e9\u9635，t\u4e3a\u5e73\u79fb\u5411\u91cf\u3002<\/p>\n

    \u7279\u70b9：\u4fdd\u6301\u8ddd\u79bb\u3001\u89d2\u5ea6\u3001\u5f62\u72b6\u4e0d\u53d8\u3002<\/p>\n

    \u521a\u4f53\u53d8\u6362\u77e9\u9635\u662f2*3\u77e9\u9635，\u53ea\u80fd\u8868\u793a\u65cb\u8f6c+\u5e73\u79fb，\u4e13\u95e8\u7ed9\u521a\u4f53\u53d8\u6362\/\u4eff\u5c04\u53d8\u6362\u4f7f\u7528\u3002<\/p>\n

    \"\"<\/p>\n

    \/\/ \u521a\u4f53\u53d8\u6362（Rigid Transform）
    \n\/\/ \u4ec5：\u65cb\u8f6c + \u5e73\u79fb，\u4e0d\u5141\u8bb8\u7f29\u653e<\/p>\n

    \/\/ \u8ba1\u7b97\u521a\u4f53\u53d8\u6362\u77e9\u9635（2\u00d73）
    \ncv::Mat rigidMat = cv::estimateAffinePartial2D(
    \n pts1, \/\/ \u6e90\u70b9
    \n pts2, \/\/ \u76ee\u6807\u70b9
    \n mask, \/\/ RANSAC \u5185\u70b9 mask
    \n cv::RANSAC, \/\/ \u9c81\u68d2\u4f30\u8ba1
    \n 3.0 \/\/ ransacReprojThreshold（\u91cd\u6295\u5f71\u8bef\u5dee\u9608\u503c）
    \n);<\/p>\n

    \/\/ \u5bf9\u56fe\u50cf\u5e94\u7528\u521a\u4f53\u53d8\u6362
    \ncv::Mat alignedRigid;
    \ncv::warpAffine(img1, alignedRigid, rigidMat, img2.size());<\/p>\n

    3.2 Similarity<\/h4>\n

    \u76f8\u4f3c\u53d8\u6362，\u652f\u6301\u5e73\u79fb\u3001\u65cb\u8f6c\u3001\u7b49\u6bd4\u4f8b\u7f29\u653e\u3002\u521a\u4f53 + \u7b49\u6bd4\u4f8b\u7f29\u653e，\u5f62\u72b6\u4e0d\u53d8\u3001\u5927\u5c0f\u53ef\u6539\u3002<\/p>\n

    4 \u81ea\u7531\u5ea6：x \u5e73\u79fb\u3001y \u5e73\u79fb\u3001\u65cb\u8f6c\u3001\u7f29\u653e\u7cfb\u6570 \u2192 4 \u4e2a\u53c2\u6570\u3002<\/p>\n

    \u6570\u5b66\u5f62\u5f0f：x\u2032 = s\u00b7R\u00b7x + t，\u5176\u4e2d，s：\u7f29\u653e\u56e0\u5b50（\u7b49\u6bd4\u4f8b），R：\u65cb\u8f6c\u77e9\u9635，t：\u5e73\u79fb\u5411\u91cf\u3002<\/p>\n

    \u7279\u70b9：\u4fdd\u6301\u7269\u4f53\u5185\u90e8\u89d2\u5ea6\u3001\u5f62\u72b6\u3001\u957f\u5bbd\u6bd4\u4f8b\u4e0d\u53d8；\u4ec5\u6539\u53d8\u6574\u4f53\u4f4d\u7f6e\u3001\u6574\u4f53\u5c3a\u5bf8\u5927\u5c0f\u3001\u6574\u4f53\u65cb\u8f6c\u671d\u5411\u3002<\/p>\n

    \u76f8\u4f3c\u53d8\u6362\u77e9\u9635\u662f 2\u00d73 \u77e9\u9635，\u8868\u793a：\u65cb\u8f6c + \u5e73\u79fb + \u7edf\u4e00\u7f29\u653e\u3002<\/p>\n

    \"\"<\/p>\n

    \/\/ \u76f8\u4f3c\u53d8\u6362（Similarity Transform）
    \n\/\/ \u65cb\u8f6c + \u5e73\u79fb + \u7b49\u6bd4\u4f8b\u7f29\u653e，\u4e0d\u5141\u8bb8\u9519\u5207
    \n\/\/ OpenCV \u6ca1\u6709\u4e13\u95e8\u201c\u76f8\u4f3c\u53d8\u6362\u201d\u51fd\u6570
    \n\/\/ \u5b9e\u9645\u5de5\u7a0b\u91cc\u901a\u5e38\u4ecd\u7528 estimateAffinePartial2D<\/p>\n

    \/\/ \u8ba1\u7b97\u76f8\u4f3c\u53d8\u6362\u77e9\u9635（2\u00d73）
    \ncv::Mat simMat = cv::estimateAffinePartial2D(pts1, pts2, mask, cv::RANSAC, 3.0);<\/p>\n

    \/\/ \u5bf9\u56fe\u50cf\u5e94\u7528\u76f8\u4f3c\u53d8\u6362
    \ncv::Mat alignedSim;
    \ncv::warpAffine(img1, alignedSim, simMat, img2.size());<\/p>\n

    3.3 Affine<\/h4>\n

    \u4eff\u5c04\u53d8\u6362，\u652f\u6301\u5e73\u79fb\u3001\u65cb\u8f6c\u3001\u62c9\u4f38\u3001\u503e\u659c\u3001\u4e0d\u7b49\u6bd4\u4f8b\u7f29\u653e\u3002\u4e0d\u518d\u4fdd\u5f62\u72b6\u3001\u4e0d\u4fdd\u89d2\u5ea6，\u53ea\u4fdd\u7559\u5e73\u884c\u7ebf\u6c38\u8fdc\u5e73\u884c<\/p>\n

    6 \u81ea\u7531\u5ea6：2D \u4eff\u5c04\u77e9\u9635 6 \u4e2a\u72ec\u7acb\u5143\u7d20 \u2192 6 \u4e2a\u53c2\u6570<\/p>\n

    \u6570\u5b66\u5f62\u5f0f：x\u2032 = A\u00b7x + t，\u5176\u4e2d：A：2\u00d72 \u4eff\u5c04\u77e9\u9635（\u5305\u542b\u65cb\u8f6c\u3001\u7f29\u653e\u3001\u9519\u5207）t：\u5e73\u79fb\u5411\u91cf\u3002<\/p>\n

    \u7279\u70b9：\u4fdd\u6301\u5e73\u884c\u6027\u3001\u4fdd\u6301\u76f4\u7ebf\u6027，\u4e0d\u4fdd\u6301\u8ddd\u79bb\u3001\u4e0d\u4fdd\u6301\u89d2\u5ea6\u3002<\/p>\n

    \"\"<\/p>\n

    \/\/ 3. \u4eff\u5c04\u53d8\u6362（Affine Transform）
    \n\/\/ \u65cb\u8f6c + \u5e73\u79fb + \u7f29\u653e + \u9519\u5207
    \n\/\/ \u4f7f\u7528：estimateAffine2D<\/p>\n

    \/\/ \u8ba1\u7b97\u4eff\u5c04\u53d8\u6362\u77e9\u9635（2\u00d73）
    \ncv::Mat affineMat = cv::estimateAffine2D(pts1, pts2, mask, cv::RANSAC, 3.0);<\/p>\n

    \/\/ \u5bf9\u56fe\u50cf\u5e94\u7528\u4eff\u5c04\u53d8\u6362
    \ncv::Mat alignedAffine;
    \ncv::warpAffine(img1, alignedAffine, affineMat, img2.size());<\/p>\n

    3.4 Homography<\/h4>\n

    \u5355\u5e94\u6027\u53d8\u6362，\u652f\u6301\u5e73\u79fb\u3001\u65cb\u8f6c\u3001\u7f29\u653e\u3001\u9519\u5207\u3001\u900f\u89c6\u7578\u53d8\u3002\u6700\u5927\u7684\u7279\u70b9\u662f\u652f\u6301\u900f\u89c6\u53d8\u5316，\u5982\u659c\u62cd\u3001\u8fd1\u5927\u8fdc\u5c0f\u3001\u89c6\u89d2\u53d8\u5316\u3002<\/p>\n

    8 \u81ea\u7531\u5ea6：3\u00d73 \u5355\u5e94\u77e9\u9635，\u5c3a\u5ea6\u5197\u4f59\u540e\u6709\u6548\u72ec\u7acb\u53c2\u6570 8 \u4e2a<\/p>\n

    \u6570\u5b66\u5f62\u5f0f：\u9f50\u6b21\u5750\u6807\u4e0b<\/p>\n

    \"\"<\/p>\n

    \u7279\u70b9：\u4ec5\u4fdd\u6301\u76f4\u7ebf\u6027（\u76f4\u7ebf\u53d8\u6362\u540e\u4ecd\u662f\u76f4\u7ebf）；\u4e0d\u4fdd\u6301\u5e73\u884c\u3001\u4e0d\u4fdd\u6301\u89d2\u5ea6\u3001\u4e0d\u4fdd\u6301\u6bd4\u4f8b\u3001\u4e0d\u4fdd\u6301\u8ddd\u79bb；\u53ef\u5904\u7406\u8fd1\u5927\u8fdc\u5c0f\u900f\u89c6\u5f62\u53d8\u3002<\/p>\n

    \u6210\u7acb\u6761\u4ef6：\u5fc5\u987b\u6ee1\u8db3\u573a\u666f\u8fd1\u4f3c\u5e73\u9762\u6216\u76f8\u673a\u7eaf\u65cb\u8f6c，\u573a\u666f\u6240\u6709\u70b9，\u6df1\u5ea6\u5fc5\u987b\u4e00\u6837\u3002<\/p>\n

    \u89c6\u5dee Parallax：\u7269\u4f53\u79bb\u76f8\u673a\u8fdc\u8fd1\u4e0d\u540c（\u6df1\u5ea6\u4e0d\u540c），\u76f8\u673a\u4e00\u52a8，\u50cf\u7d20\u4f4d\u79fb\u91cf\u4e0d\u4e00\u6837\u3002<\/p>\n

    \u4e3a\u4ec0\u4e48\u975e\u5e73\u9762，Homography \u5fc5\u8d25：Homography \u7684\u6570\u5b66\u5047\u8bbe\u662f\u6574\u5f20\u56fe\u6240\u6709\u50cf\u7d20\u70b9，\u670d\u4ece\u540c\u4e00\u4e2a 3\u00d73 \u6295\u5f71\u6620\u5c04\u89c4\u5219\u3002\u9690\u542b\u6761\u4ef6：\u6240\u6709\u70b9\u6df1\u5ea6\u76f8\u540c，\u8fd0\u52a8\u89c4\u5f8b\u5b8c\u5168\u4e00\u81f4\u3002\u4e00\u65e6\u573a\u666f\u4e0d\u662f\u5e73\u9762，\u6709\u8fd1\u70b9\u3001\u6709\u8fdc\u70b9 \u2192 \u4e0d\u540c\u6df1\u5ea6\u4ea7\u751f\u4e0d\u540c\u89c6\u5dee\u6bcf\u4e2a\u70b9\u7684\u50cf\u7d20\u8fd0\u52a8\u89c4\u5f8b\u4e0d\u4e00\u6837\u3002<\/p>\n

    \u4e24\u79cd Homography \u80fd\u6b63\u5e38\u5de5\u4f5c\u7684\u60c5\u51b5：<\/p>\n

    1.\u573a\u666f\u4e25\u683c\u5171\u5e73\u9762，\u5899\u9762\u3001\u5730\u9762\u3001\u4e66\u672c\u3001\u68cb\u76d8\u683c\u6240\u6709\u70b9\u6df1\u5ea6\u51e0\u4e4e\u4e00\u81f4 \u2192 \u6ca1\u6709\u89c6\u5dee\u5dee\u5f02\u6240\u6709\u70b9\u50cf\u7d20\u8fd0\u52a8\u7edf\u4e00 \u2192 H \u5b8c\u7f8e\u6210\u7acb\u3002<\/p>\n

    2.\u76f8\u673a\u53ea\u6709\u65cb\u8f6c\u3001\u6ca1\u6709\u5e73\u79fb，\u76f8\u673a\u539f\u5730\u8f6c\u5708，\u4e0d\u5f80\u524d\u8d70\u3001\u4e0d\u5de6\u53f3\u79fb，\u6ca1\u6709\u5e73\u79fb\u5c31\u6ca1\u6709\u89c6\u5dee，\u8fdc\u8fd1\u70b9\u770b\u4e0d\u51fa\u524d\u540e\u4f4d\u79fb，\u6574\u5e45\u56fe\u50cf\u53d8\u5316\u7b49\u6548\u4e8e\u7eaf\u6295\u5f71\u53d8\u5f62 \u2192 H \u4e5f\u80fd\u6210\u7acb\u3002<\/p>\n

    \"\"<\/p>\n

    [ h11 \u00a0h12 \u00a0h13 ] \u00a0 \/\/ \u7ebf\u6027\u53d8\u6362 + \u6c34\u5e73\u5e73\u79fb
    \n[ h21 \u00a0h22 \u00a0h23 ] \u00a0 \/\/ \u7ebf\u6027\u53d8\u6362 + \u5782\u76f4\u5e73\u79fb
    \n[ h31 \u00a0h32 \u00a0h33 ] \u00a0 \/\/ \u900f\u89c6\u53d8\u6362\u5206\u91cf<\/p>\n

    H （\u5355\u5e94\u6027\u77e9\u9635）\u5171 9 \u4e2a\u5143\u7d20，\u5c3a\u5ea6\u56fa\u5b9a\u5269 8 \u4e2a\u672a\u77e5\u91cf；\u4e00\u5bf9\u70b9\u7ed9 2 \u4e2a\u65b9\u7a0b，8\/2=4，\u6240\u4ee5\u53ea\u8981 4 \u5bf9\u70b9\u3002<\/p>\n

    \u9002\u7528\u573a\u666f：1.\u573a\u666f\u7269\u4f53\u5728\u73b0\u5b9e\u4e2d\u662f\u4e25\u683c\u5e73\u9762\u30022.\u76f8\u673a\u7eaf\u7ed5\u5149\u5fc3\u65cb\u8f6c（\u539f\u5730\u8f6c\u5708\u3001\u4fef\u4ef0\u3001\u5de6\u53f3\u8f6c\u5934）\u3001\u65e0\u5e73\u79fb\u76f8\u673a\u3002<\/p>\n

    \u666e\u901a\u56fe\u50cf\u53d8\u6362（\u521a\u4f53 \/ \u76f8\u4f3c \/ \u4eff\u5c04）\u53ea\u662f\u50cf\u7d20\u5c42\u9762\u7684\u51e0\u4f55\u5f62\u53d8，\u7eaf 2D \u56fe\u50cf\u5185\u90e8\u62c9\u626f\u3001\u65cb\u8f6c\u3001\u7f29\u653e，\u548c\u771f\u5b9e\u4e09\u7ef4\u7a7a\u95f4\u65e0\u5173\u3002<\/p>\n

    Homography \u5355\u5e94\u6027\u524d\u63d0\u5fc5\u987b\u6709：\u771f\u5b9e\u7269\u7406\u5e73\u9762\u3002\u662f3D \u5e73\u9762 \u2192 \u4e24\u4e2a 2D \u50cf\u7d20\u5e73\u9762 \u4e4b\u95f4\u7684\u6295\u5f71\u51e0\u4f55\u7ea6\u675f，\u5355\u5e94\u662f\u540c\u4e00\u4e2a\u7a7a\u95f4\u5e73\u9762，\u6362\u4e2a\u76f8\u673a\u770b\u7684\u6295\u5f71\u5173\u7cfb\u3002<\/p>\n

    cv::Mat cv::findHomography(
    \n\u00a0 \u00a0 InputArray \u00a0 \u00a0srcPoints, \u00a0 \u00a0 \/\/ \u6e90\u56fe\u50cf\u7279\u5f81\u70b9\u96c6 pts1
    \n\u00a0 \u00a0 InputArray \u00a0 \u00a0dstPoints, \u00a0 \u00a0 \/\/ \u76ee\u6807\u56fe\u50cf\u7279\u5f81\u70b9\u96c6 pts2
    \n\u00a0 \u00a0 OutputArray \u00a0 mask, \u00a0 \u00a0 \u00a0 \u00a0 \u00a0\/\/ \u8f93\u51fa\u5185\u70b9\u63a9\u7801 mask
    \n\u00a0 \u00a0 int \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 method, \u00a0 \u00a0 \u00a0 \u00a0 \/\/ \u9c81\u68d2\u4f30\u8ba1\u65b9\u6cd5，\u5e38\u7528 cv::RANSAC
    \n\u00a0 \u00a0 double \u00a0 \u00a0 \u00a0 \u00a0ransacReprojThreshold, \/\/ RANSAC\u91cd\u6295\u5f71\u8bef\u5dee\u9608\u503c（\u50cf\u7d20）
    \n\u00a0 \u00a0 int \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 maxIters = 2000, \u00a0 \u00a0 \u00a0 \/\/ RANSAC\u6700\u5927\u8fed\u4ee3\u6b21\u6570，\u9ed8\u8ba42000
    \n\u00a0 \u00a0 double \u00a0 \u00a0 \u00a0 \u00a0confidence = 0.99, \u00a0 \u00a0 \/\/ RANSAC\u7f6e\u4fe1\u5ea6，\u9ed8\u8ba40.99
    \n\u00a0 \u00a0 int \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 refineIters = 5 \u00a0 \u00a0 \u00a0 \/\/ \u6700\u7ec8\u4f18\u5316\u8fed\u4ee3\u6b21\u6570，\u9ed8\u8ba45
    \n);\u00a0
    \n\/\/ \u529f\u80fd：\u8ba1\u7b97\u5305\u542b\u900f\u89c6\u7684 3\u00d73 \u5355\u5e94\u53d8\u6362\u77e9\u9635
    \n\/\/ \u8f93\u51fa：Mat \u7c7b\u578b，\u5927\u5c0f 3\u00d73<\/p>\n

    void perspectiveTransform(
    \n InputArray src, \/\/ \u8f93\u5165：\u539f\u59cb\u70b9\u96c6 (2D\u70b9 \u6216 3D\u70b9)
    \n OutputArray dst, \/\/ \u8f93\u51fa：\u53d8\u6362\u540e\u7684\u70b9\u96c6
    \n InputArray M \/\/ 3\u00d73 \u5355\u5e94\u77e9\u9635 H \u6216 \u6295\u5f71\u77e9\u9635
    \n);
    \n\/\/\u7528\u5355\u5e94\u77e9\u9635 H \u628a\u56fe 1 \u7684\u70b9\u6620\u5c04\u5230\u56fe 2<\/p>\n

    \/\/ \u5e94\u7528\u5355\u5e94\u900f\u89c6\u53d8\u6362
    \nvoid cv::warpPerspective(
    \n\u00a0 \u00a0 InputArray \u00a0 \u00a0src, \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0\/\/ \u8f93\u5165\u539f\u59cb\u56fe\u50cf img1
    \n\u00a0 \u00a0 OutputArray \u00a0 dst, \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0\/\/ \u8f93\u51fa\u914d\u51c6\u540e\u56fe\u50cf
    \n\u00a0 \u00a0 InputArray \u00a0 \u00a0M, \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0\/\/ 3\u00d73 \u5355\u5e94\u53d8\u6362\u77e9\u9635 H
    \n\u00a0 \u00a0 Size \u00a0 \u00a0 \u00a0 \u00a0 \u00a0dsize, \u00a0 \u00a0 \u00a0 \u00a0 \u00a0\/\/ \u8f93\u51fa\u56fe\u50cf\u5c3a\u5bf8，\u4e00\u822c\u7528 img2.size()
    \n\u00a0 \u00a0 int \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 flags = INTER_LINEAR, \u00a0 \u00a0\/\/ \u63d2\u503c\u65b9\u5f0f，\u9ed8\u8ba4\u7ebf\u6027\u63d2\u503c
    \n\u00a0 \u00a0 int \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 borderMode = BORDER_CONSTANT, \/\/ \u8fb9\u754c\u586b\u5145\u6a21\u5f0f
    \n\u00a0 \u00a0 const Scalar& borderValue = Scalar() \u00a0 \u00a0\/\/ \u8fb9\u754c\u586b\u5145\u989c\u8272，\u9ed8\u8ba4\u9ed1\u8272
    \n);<\/p>\n

    \/\/ \u6c42\u5355\u5e94\u53d8\u6362\u77e9\u9635（\u542b\u900f\u89c6\u7578\u53d8，3\u00d73）
    \ncv::Mat H = cv::findHomography(pts1, pts2, cv::RANSAC);<\/p>\n

    \/\/ \u628a pts1 \u7528 H \u53d8\u6362\u5230\u76ee\u6807\u4f4d\u7f6e
    \nstd::vector<cv::Point2f> pts1_proj;
    \ncv::perspectiveTransform(pts1, pts1_proj, H);<\/p>\n

    \/\/ \u5bf9\u56fe\u50cf \u505a\u5355\u5e94\u53d8\u6362 (warpPerspective)
    \ncv::Mat alignedImg;
    \ncv::warpPerspective(img1, alignedImg, H, img2.size());<\/p>\n

    3.5 \u975e\u521a\u6027\u53d8\u6362（Non-rigidTransformation）<\/h4>\n

    \u4e0d\u6ee1\u8db3\u6574\u4f53\u7edf\u4e00\u51e0\u4f55\u6a21\u578b，\u5c40\u90e8\u53ef\u4ee5\u5404\u81ea\u5f62\u53d8\u3001\u62c9\u4f38\u3001\u626d\u66f2；\u6ca1\u6709\u5168\u5c40\u56fa\u5b9a\u7684 2\u00d73 \/ 3\u00d73 \u7edf\u4e00\u77e9\u9635，\u6bcf\u4e00\u5757\u533a\u57df\u5f62\u53d8\u90fd\u53ef\u4ee5\u4e0d\u4e00\u6837\u3002<\/p>\n

    \u6570\u5b66\u7279\u70b9：\u65e0\u7edf\u4e00\u5168\u5c40\u516c\u5f0f x \u2032 =Mx；<\/p>\n

    \u7279\u70b9：\u4e0d\u4fdd\u6301\u8ddd\u79bb\u3001\u4e0d\u4fdd\u6301\u89d2\u5ea6\u3001\u4e0d\u4fdd\u6301\u5e73\u884c\u3001\u4e0d\u4fdd\u6301\u76f4\u7ebf，\u65e0\u7edf\u4e00\u5168\u5c40\u53d8\u6362\u77e9\u9635，\u5141\u8bb8\u5c40\u90e8\u975e\u5747\u5300\u5f62\u53d8.<\/p>\n

    \u662f\u9010\u70b9 \/ \u5c40\u90e8\u6620\u5c04\u5173\u7cfb，\u6bcf\u4e2a\u50cf\u7d20\u7684\u504f\u79fb\u91cf\u53ef\u4ee5\u72ec\u7acb\u53d8\u5316\u3002<\/p>\n

    \u652f\u6301\u5f62\u53d8：\u5f2f\u66f2\u3001\u626d\u66f2\u3001\u5c40\u90e8\u62c9\u4f38\u3001\u5f39\u6027\u5f62\u53d8\u3001\u4eba\u8138\u5f62\u53d8\u3001\u533b\u5b66\u56fe\u50cf\u5f62\u53d8\u3001\u5730\u8868\u5f62\u53d8\u7b49\u3002<\/p>\n

    \u9002\u5408：\u533b\u5b66\u5f71\u50cf\u914d\u51c6\u3001\u4eba\u8138\u5bf9\u9f50\u3001\u66f2\u9762\u7269\u4f53\u914d\u51c6\u3001\u5f62\u53d8\u62fc\u63a5\u3002<\/p>\n

    \u975e\u521a\u6027\u6ca1\u6709\u4e00\u4e2a\u56fa\u5b9a\u77e9\u9635\u6c42\u89e3\u51fd\u6570，\u5e38\u7528\u65b9\u6848：<\/p>\n

  • \u8584\u677f\u6837\u6761\u63d2\u503c TPS（\u6700\u7ecf\u5178\u975e\u521a\u6027\u914d\u51c6）<\/li>\n
  • \u57fa\u4e8e\u7a20\u5bc6\u5149\u6d41（Optical Flow）<\/li>\n
  • \u57fa\u4e8e\u66f2\u9762\u5f62\u53d8（B-Spline）<\/li>\n

    \u548c\u524d\u9762\u56db\u7c7b\u7684\u6838\u5fc3\u533a\u522b：<\/p>\n

    \u524d\u9762\u56db\u79cd：\u521a\u6027\u7c7b\u53d8\u6362（\u521a\u4f53\u3001\u76f8\u4f3c\u3001\u4eff\u5c04\u3001\u5355\u5e94），\u5168\u5c40\u540c\u4e00\u4e2a\u77e9\u9635，\u6574\u5f20\u56fe\u50cf\u4e00\u5957\u53d8\u6362\u89c4\u5219，\u53ea\u80fd\u6574\u4f53\u65cb\u8f6c \/ \u5e73\u79fb \/ \u7f29\u653e \/ \u900f\u89c6；<\/p>\n

    \u975e\u521a\u6027\u53d8\u6362：\u65e0\u5168\u5c40\u7edf\u4e00\u77e9\u9635，\u5c40\u90e8\u53ef\u4ee5\u5f2f\u3001\u53ef\u4ee5\u626d\u3001\u53ef\u4ee5\u5355\u72ec\u62c9\u4f38，\u81ea\u7531\u5ea6\u6781\u9ad8，\u9002\u914d\u4e0d\u89c4\u5219\u5f62\u53d8\u3002<\/p>\n

    \u4e8c\u3001\u57fa\u4e8e\u7070\u5ea6\u7684\u56fe\u50cf\u914d\u51c6\u65b9\u6cd5<\/h2>\n

    \u57fa\u4e8e\u7070\u5ea6\u7684\u914d\u51c6\u65b9\u6cd5，\u4e5f\u53eb\u76f4\u63a5\u6cd5（Direct Methods）\/\u57fa\u4e8e\u50cf\u7d20\u7684\u65b9\u6cd5（Pixel-based Methods）\/\u57fa\u4e8e\u5f3a\u5ea6\u7684\u914d\u51c6（Intensity-based Registration），\u5728OpenCV\u53ca\u76f8\u5173\u6587\u732e\u4e2d，\u6709\u65f6\u4e5f\u5f52\u7c7b\u4e3a \u57fa\u4e8e\u533a\u57df\u7684\u914d\u51c6（Area-based Registration），\u4ee5\u533a\u522b\u4e8e\u57fa\u4e8e\u7279\u5f81\u7684\u914d\u51c6\u3002<\/p>\n

    \u7279\u5f81\u6cd5\u7684\u95ee\u9898：\u5982\u679c\u9047\u5230\u6ca1\u6709\u7a33\u5b9a\u7279\u5f81\u70b9\u7684\u573a\u666f，\u5982\u767d\u5899\u3001\u5730\u9762\u3001\u5929\u7a7a\u3001\u6a21\u7cca\u3001\u5f31\u7eb9\u7406，\u53ef\u80fd\u6839\u672c\u6ca1\u6709\u7a33\u5b9a\u7279\u5f81\u70b9，\u4e8e\u662fdetect\u4e0d\u5230\u70b9，\u540e\u9762\u5168\u6302\u3002\u56e0\u6b64\u51fa\u73b0 Direct Methods\u3002<\/p>\n

    \u76f4\u63a5\u6cd5\u7684\u6838\u5fc3\u601d\u60f3：\u4e0d\u4f9d\u8d56\u7279\u5f81\u70b9\u3001\u63cf\u8ff0\u5b50\u3001\u5339\u914d，\u800c\u662f\u76f4\u63a5\u9009\u4e00\u6279\u50cf\u7d20，\u4f18\u5316\u76f8\u673a\u4f4d\u59ff\u8ba9\u8fd9\u4e9b\u50cf\u7d20\u7684\u7070\u5ea6\u8bef\u5dee\u6700\u5c0f，\u6700\u5c0f\u5316\u4e24\u5f20\u56fe\u50cf\u7684\u7070\u5ea6\u8bef\u5dee（Photometric Error），\u5bfb\u627e\u6700\u4f18 Warp（\u53d8\u6362），\u4f7f warp \u540e\u7684\u56fe\u50cf\u7070\u5ea6\u5c3d\u53ef\u80fd\u4e00\u81f4，\u672c\u8d28\u662f Photometric Optimization（\u5149\u5ea6\u4f18\u5316）\u3002<\/p>\n

    \u5148\u9884\u4f30\u4e24\u56fe\u4e4b\u95f4\u7c97\u7565\u7684\u65cb\u8f6c\u4e0e\u5e73\u79fb\u53d8\u6362\u5173\u7cfb，\u9009\u53d6\u56fe\u50cf\u4e2d\u9ad8\u68af\u5ea6\u50cf\u7d20，\u4f9d\u636e\u5f53\u524d\u9884\u4f30\u5173\u7cfb\u628a\u7b2c\u4e00\u5f20\u56fe\u50cf\u7d20\u6620\u5c04\u5230\u7b2c\u4e8c\u5f20\u56fe\u5bf9\u5e94\u4f4d\u7f6e，\u8ba1\u7b97\u91cd\u5408\u4f4d\u7f6e\u7684\u50cf\u7d20\u7070\u5ea6\u5dee\u503c\u3002\u518d\u501f\u52a9\u9ad8\u65af\u725b\u987f\u3001LM \u7b49\u4f18\u5316\u7b97\u6cd5，\u671d\u7740\u7f29\u5c0f\u7070\u5ea6\u8bef\u5dee\u7684\u65b9\u5411\u6301\u7eed\u8c03\u6574\u53d8\u6362\u53c2\u6570，\u4e0d\u65ad\u8fed\u4ee3\u4fee\u6b63，\u76f4\u81f3\u7070\u5ea6\u8bef\u5dee\u8fbe\u5230\u6700\u5c0f，\u6700\u7ec8\u5f97\u5230\u6700\u4f18\u7684\u56fe\u50cf\u53d8\u6362\u5173\u7cfb\u4e0e\u76f8\u673a\u4f4d\u59ff\u3002<\/p>\n

    （1）\u4f18\u7f3a\u70b9\u4e0e\u9002\u7528\u573a\u666f<\/p>\n

    \u4f18\u70b9<\/p>\n

  • \n

    \u76f4\u63a5\u5229\u7528\u50cf\u7d20\u7070\u5ea6\u4fe1\u606f，\u4e0d\u4f9d\u8d56\u7279\u5f81\u70b9，\u5f31\u7eb9\u7406\u751a\u81f3\u65e0\u7eb9\u7406\u533a\u57df\u4e5f\u80fd\u5de5\u4f5c\u3002<\/p>\n<\/li>\n

  • \n

    \u4e0d\u9700\u8981\u7279\u5f81\u63d0\u53d6\u4e0e\u63cf\u8ff0\u5b50\u5339\u914d，\u907f\u514d\u4e86\u5927\u91cf\u7279\u5f81\u5339\u914d\u5f00\u9500\u3002<\/p>\n<\/li>\n

  • \n

    \u7eaf\u4f20\u7edf\u4f18\u5316\u65b9\u6cd5，\u65e0\u9700\u8bad\u7ec3\u6a21\u578b\u3002<\/p>\n<\/li>\n

  • \n

    \u5728\u5c0f\u8fd0\u52a8\u3001\u9ad8\u5e27\u7387\u573a\u666f\u4e0b\u8ba1\u7b97\u6548\u7387\u8f83\u9ad8，\u9002\u5408\u5b9e\u65f6\u7cfb\u7edf\u3002<\/p>\n<\/li>\n

  • \n

    \u80fd\u5145\u5206\u5229\u7528\u6574\u5e45\u56fe\u50cf\u4fe1\u606f，\u5c40\u90e8\u5bf9\u9f50\u7cbe\u5ea6\u901a\u5e38\u8f83\u9ad8\u3002<\/p>\n<\/li>\n

    \u7f3a\u70b9<\/p>\n

  • \n

    \u57fa\u4e8e\u7070\u5ea6\u4e00\u81f4\u6027\u5047\u8bbe，\u5bf9\u5149\u7167\u53d8\u5316\u8f83\u654f\u611f\u3002<\/p>\n<\/li>\n

  • \n

    \u5bf9\u5927\u5c3a\u5ea6\u53d8\u5316\u3001\u65cb\u8f6c\u53ca\u5f3a\u900f\u89c6\u53d8\u5316\u9002\u5e94\u80fd\u529b\u6709\u9650\u3002<\/p>\n<\/li>\n

  • \n

    \u672c\u8d28\u5c5e\u4e8e\u5c40\u90e8\u4f18\u5316，\u5bb9\u6613\u9677\u5165\u5c40\u90e8\u6700\u4f18\u3002<\/p>\n<\/li>\n

  • \n

    \u901a\u5e38\u9700\u8981\u8f83\u597d\u7684\u521d\u59cb\u4f4d\u59ff\u6216\u7c97\u5bf9\u9f50\u7ed3\u679c\u3002<\/p>\n<\/li>\n

  • \n

    \u5bf9\u52a8\u6001\u7269\u4f53\u3001\u906e\u6321\u548c\u975e\u521a\u6027\u5f62\u53d8\u8f83\u654f\u611f\u3002<\/p>\n<\/li>\n

  • \n

    \u5728\u4f4e\u68af\u5ea6\u533a\u57df（\u7eaf\u8272\u533a\u57df）\u4e2d\u7ea6\u675f\u4e0d\u8db3，\u5bb9\u6613\u9000\u5316\u3002<\/p>\n<\/li>\n

    \u9002\u7528\u573a\u666f<\/p>\n

  • \n

    \u5f31\u7eb9\u7406\u3001\u4f4e\u7eb9\u7406\u73af\u5883\u3002<\/p>\n<\/li>\n

  • \n

    \u9ad8\u5e27\u7387\u3001\u5c0f\u4f4d\u79fb\u8fde\u7eed\u8fd0\u52a8\u573a\u666f\u3002<\/p>\n<\/li>\n

  • \n

    \u5b9e\u65f6\u89c6\u89c9\u91cc\u7a0b\u8ba1（VO）\u4e0e SLAM\u3002<\/p>\n<\/li>\n

  • \n

    \u8fb9\u7f18\u4e30\u5bcc\u3001\u7070\u5ea6\u8fde\u7eed\u53d8\u5316\u660e\u663e\u7684\u573a\u666f\u3002<\/p>\n<\/li>\n

  • \n

    \u89c6\u9891\u7a33\u50cf\u3001\u77ed\u65f6\u5e27\u95f4\u8ddf\u8e2a\u4e0e\u5c40\u90e8\u7cbe\u7ec6\u5bf9\u9f50\u3002<\/p>\n<\/li>\n

  • \n

    \u533b\u5b66\u56fe\u50cf\u3001\u9065\u611f\u56fe\u50cf\u7b49\u9ad8\u7cbe\u5ea6\u7070\u5ea6\u914d\u51c6\u4efb\u52a1\u3002<\/p>\n<\/li>\n

    \u4e0d\u9002\u5408\u573a\u666f<\/p>\n

  • \n

    \u5927\u4f4d\u79fb\u3001\u5927\u89c6\u89d2\u53d8\u5316\u573a\u666f\u3002<\/p>\n<\/li>\n

  • \n

    \u5f3a\u5149\u7167\u53d8\u5316\u6216\u66dd\u5149\u53d8\u5316\u660e\u663e\u7684\u573a\u666f\u3002<\/p>\n<\/li>\n

  • \n

    \u52a8\u6001\u76ee\u6807\u8f83\u591a\u7684\u573a\u666f\u3002<\/p>\n<\/li>\n

  • \n

    \u5927\u9762\u79ef\u7eaf\u8272\u3001\u4f4e\u68af\u5ea6\u533a\u57df\u3002<\/p>\n<\/li>\n

  • \n

    \u5b58\u5728\u4e25\u91cd\u906e\u6321\u6216\u975e\u521a\u6027\u5f62\u53d8\u7684\u573a\u666f\u3002<\/p>\n<\/li>\n

  • \n

    \u521d\u59cb\u4f4d\u59ff\u8bef\u5dee\u8f83\u5927\u7684\u573a\u666f\u3002<\/p>\n<\/li>\n

    （2）\u6838\u5fc3\u6982\u5ff5<\/p>\n

    Brightness Constancy（\u4eae\u5ea6\u6052\u5b9a\u5047\u8bbe）：\u7070\u5ea6\u6cd5\u6700\u6838\u5fc3\u7684\u5047\u8bbe，\u5047\u8bbe\u540c\u4e00\u4e2a\u7269\u7406\u70b9\u5728\u77ed\u65f6\u95f4\u5185\u7070\u5ea6\u8fd1\u4f3c\u4e0d\u53d8，\u5373I(x,y,t) = I(x+dx,y+dy,t+dt)，\u540c\u4e00\u4e2a\u70b9\u867d\u7136\u50cf\u7d20\u4f4d\u7f6e\u53d8\u4e86，\u4f46\u662f\u7070\u5ea6\u503c\u6ca1\u53d8\u3002<\/p>\n

    Photometric Error（\u5149\u5ea6\u8bef\u5dee）：E = I1(p) – I2(p')，\u7b2c\u4e00\u5f20\u56fe\u50cf\u7d20\u7070\u5ea6\u51cf\u7b2c\u4e8c\u5f20\u56fe\u5bf9\u5e94\u4f4d\u7f6e\u7070\u5ea6，\u76f4\u63a5\u6cd5\u7684\u76ee\u6807\u662f\u6700\u5c0f\u5316\u6240\u6709\u50cf\u7d20\u8bef\u5dee\u3002<\/p>\n

    Wrap（\u56fe\u50cf\u53d8\u6362）：\u672c\u8d28\u662f\u51e0\u4f55\u6295\u5f71，\u901a\u8fc7\u76f8\u673a\u6a21\u578b\u3001\u4f4d\u59ff\u53d8\u6362\u3001\u6295\u5f71\u6a21\u578b，\u628a Image1 \u4e2d\u7684\u50cf\u7d20\u6620\u5c04\u5230 Image 2\u30021.\u5c06\u5f53\u524d\u50cf\u7d20\u53cd\u6295\u5f71\u5f97\u5230 3D \u70b9\u30022.\u4f7f\u7528\u76f8\u673a\u4f4d\u59ff\u5bf9 3D \u70b9\u505a\u521a\u4f53\u53d8\u6362\u30023.\u518d\u6295\u5f71\u56de\u5230\u56fe\u50cf\u5e73\u9762\u5f97\u5230\u4e0b\u4e00\u5e27\u50cf\u7d20\u4f4d\u7f6e\u3002\u8fd9\u662f\u73b0\u4ee3\u00a0 Drect VO \/ DSO \/ LSD-SLAM \u6838\u5fc3\u3002<\/p>\n

    Image Gradient（\u56fe\u50cf\u68af\u5ea6）：\u76f4\u63a5\u6cd5\u6781\u5ea6\u4f9d\u8d56\u7070\u5ea6\u53d8\u5316，\u56e0\u4e3a\u4f18\u5316\u5fc5\u987b\u77e5\u9053\u5f80\u54ea\u4e2a\u65b9\u5411\u79fb\u52a8\u8bef\u5dee\u4e0b\u964d\u6700\u5feb，\u68af\u5ea6\u672c\u8d28\u662f\u7070\u5ea6\u53d8\u5316\u7387，\u5982\u679c\u533a\u57df\u5b8c\u5168\u5e73\u5766，\u6ca1\u6709\u68af\u5ea6\u5c31\u65e0\u6cd5\u4f18\u5316，\u6240\u4ee5\u76f4\u63a5\u6cd5\u4f9d\u8d56 Gradient（\u68af\u5ea6） \u800c\u4e0d\u662f corner（\u89d2\u70b9）\u3002<\/p>\n

    Optical Flow（\u5149\u6d41）：\u56fe\u50cf\u4e2d\u50cf\u7d20\u968f\u65f6\u95f4\u8fd0\u52a8\u5f62\u6210\u7684\u8fd0\u52a8\u573a，\u662f\u56fe\u50cf\u5e73\u9762\u4e0a\u7684\u8868\u89c2\u8fd0\u52a8\u3002；\u4f8b\u5982，frame1: pixel(x,y); frame2: pixel(x+u,y+v)，\u5176\u4e2d(u,v)\u5c31\u662f\u5149\u6d41\u3002\u5149\u6d41\u7b97\u6cd5\u5efa\u7acb\u5728 Brightness Constancy（\u4eae\u5ea6\u6052\u5b9a）\u4e0a，\u8fd9\u662f LK\u3001IC-LK\u3001Horn-Schunck\u3001Direct VO \u5171\u540c\u57fa\u7840\u3002<\/p>\n

    \u5149\u6d41\u7ea6\u675f\u65b9\u7a0b（Optical Flow Constraint Equation）：\u6709 I(x,y,t) = I(x+dx,y+dy,t+dt)，\u5bf9\u53f3\u8fb9\u505a\u4e00\u9636\u6cf0\u52d2\u5c55\u5f00，\u5f97\u5230 I(x+dx,y+dy,t+dt) \u2248 I(x,y,t) + Ix\u00b7dx + Iy\u00b7dy + It\u00b7dt，\u5176\u4e2d Ix = \u2202I\/\u2202x\u3001Iy = \u2202I\/\u2202y\u3001It = \u2202I\/\u2202t，\u5373\u56fe\u50cf\u68af\u5ea6（\u7070\u5ea6\u53d8\u5316\u7387），\u4ee3\u56de\u5e76\u9664\u4ee5dt\u5f97\u5230\u5149\u6d41\u7ea6\u675f\u65b9\u7a0b：Ix\u00b7u + Iy\u00b7v + It = 0，\u5176\u4e2d u = dx\/dt，v = dy\/dt，\u5373\u50cf\u7d20\u8fd0\u52a8\u901f\u5ea6；It\u8868\u793a\u65f6\u95f4\u65b9\u5411\u7684\u7070\u5ea6\u53d8\u5316，I(t+1)-I(t)，\u8fd9\u516c\u5f0f\u7684\u771f\u6b63\u542b\u4e49\u662f\u4f4d\u79fb\u9020\u6210\u7684\u7070\u5ea6\u53d8\u5316\u5e94\u8be5\u62b5\u6d88\u65f6\u95f4\u7070\u5ea6\u53d8\u5316\u3002\u8fd9\u4e2a\u65b9\u7a0b\u6709\u4e24\u4e2a\u672a\u77e5\u6570 u\u3001v，\u56e0\u6b64\u65e0\u6cd5\u76f4\u63a5\u6c42\u89e3，\u8fd9\u53eb Aperture Problem（\u5b54\u5f84\u95ee\u9898），\u5373\u5355\u4e2a\u50cf\u7d20\u65e0\u6cd5\u786e\u5b9a\u771f\u5b9e\u8fd0\u52a8\u65b9\u5411\u3002<\/p>\n

    （3）\u5206\u7c7b<\/p>\n

    \"\"<\/p>\n

    \u7a00\u758f\u76f4\u63a5\u6cd5，\u53ea\u4f18\u5316\u5c11\u91cf\u5173\u952e\u533a\u57df（Patch），\u53ea\u9009\u62e9\u9ad8\u68af\u5ea6\u50cf\u7d20，\u518d\u505a Patch \u7070\u5ea6\u8ddf\u8e2a\u3002\u53ea\u5728\u5c11\u91cf\u7a33\u5b9a\u70b9\u9644\u8fd1 Photometric Error\u3002<\/p>\n

    \u4f18\u70b9：1.\u975e\u5e38\u5feb：\u53ea\u4f18\u5316\u5c11\u91cf\u70b9\u30022.\u5b9e\u65f6\u6027\u6781\u5f3a：CPU\u5373\u53ef\u8fd0\u884c\u30023.\u6570\u5b66\u7b80\u5355：\u5c0f\u7a97\u53e3\u4f18\u5316\u30024.\u4e9a\u50cf\u7d20\u7cbe\u5ea6\u9ad8：\u7070\u5ea6\u4f18\u5316\u30025.\u5de5\u7a0b\u6210\u719f：OpenCV\u5927\u91cf\u652f\u6301\u3002<\/p>\n

    \u7f3a\u70b9：1.\u4f9d\u8d56\u89d2\u70b9：\u5e73\u5766\u533a\u57df\u65e0\u68af\u5ea6\u30022.\u5149\u7167\u654f\u611f：Brightness Constancy\u30023.\u957f\u671f\u6f02\u79fb：Tracking Error \u7d2f\u79ef\u30024.\u906e\u6321\u5bb9\u6613\u5931\u8d25：Patch \u88ab\u7834\u574f\u30025.\u5927\u4f4d\u79fb\u56f0\u96be：\u7ebf\u6027\u5316\u8981\u6c42\u5c0f\u8fd0\u52a8<\/p>\n

    \u9002\u7528\u573a\u666f：1.\u89c6\u9891\u8ddf\u8e2a：\u975e\u5e38\u9002\u5408\u30022.VO Frontend：\u975e\u5e38\u9002\u5408\u30023.SLAM \u524d\u7aef：\u975e\u5e38\u9002\u5408\u30024.\u89c6\u9891\u7a33\u50cf：\u9002\u5408\u30025.\u533b\u5b66\u5f71\u50cf：\u4e00\u822c\u30026.\u5927\u89c6\u89d2\u53d8\u5316：\u4e0d\u9002\u5408<\/p>\n

    LK\u3001KLT Pipeline：\u8f93\u5165\u4e24\u5e27\u56fe\u50cf \u2192 Shi-Tomasi \u68c0\u6d4b\u89d2\u70b9 \u2192
    \nPyramid LK \u5149\u6d41 \u2192 \u5f97\u5230\u5bf9\u5e94\u70b9 \u2192 RANSAC \u2192 Homography \u2192 warpPerspective<\/p>\n

    \u7a20\u5bc6\u76f4\u63a5\u6cd5（Dense Direct Methods）\u7684\u7279\u70b9\u662f\u5bf9\u5168\u56fe\u6240\u6709\u50cf\u7d20\u505a\u4f18\u5316，\u4fe1\u606f\u66f4\u591a\u3001\u4f46\u8ba1\u7b97\u91cf\u5de8\u5927\u3002<\/p>\n

    \u4f18\u70b9：1. \u4fe1\u606f\u91cf\u5de8\u5927，\u4f7f\u7528\u5168\u90e8\u50cf\u7d20\u30022. \u5f31\u7eb9\u7406\u66f4\u5f3a，\u4e0d\u4f9d\u8d56\u89d2\u70b9\u30023. \u5bf9\u9f50\u7cbe\u5ea6\u9ad8，Dense Constraint\u30024. \u8fde\u7eed\u8fd0\u52a8\u573a，\u7a20\u5bc6Flow\u3002<\/p>\n

    \u7f3a\u70b9：1. \u8ba1\u7b97\u91cf\u5de8\u5927，\u5168\u56fe\u4f18\u5316\u30022. \u5f88\u5403\u5185\u5b58，Dense Flow\u30023. \u5bf9\u5149\u7167\u654f\u611f\u30024. \u5bb9\u6613\u5c40\u90e8\u6700\u4f18，\u975e\u7ebf\u6027\u4f18\u5316\u30025. \u5b9e\u65f6\u6027\u5dee，\u8ba1\u7b97\u91cd\u3002<\/p>\n

    \u573a\u666f\u9002\u914d：1. \u533b\u5b66\u914d\u51c6：\u975e\u5e38\u9002\u5408\u30022. \u9065\u611f\u914d\u51c6：\u975e\u5e38\u9002\u5408\u30023. \u89c6\u9891\u7a33\u50cf：\u9002\u5408\u30024. Dense VO：\u9002\u5408\u3002<\/p>\n

    Farneback Pipeline：\u8f93\u5165\u4e24\u5e27\u56fe\u50cf \u2192 \u7070\u5ea6\u5316 \u2192 \u5efa\u7acb Pyramid
    \n\u2192 \u5c40\u90e8\u533a\u57df\u505a Polynomial Expansion（\u591a\u9879\u5f0f\u5c55\u5f00）
    \n\u2192 \u4f30\u8ba1 Dense Flow \u2192 \u5f97\u5230\u5168\u56fe Motion Field
    \n\u2192 \u6839\u636e Flow \u4f30\u8ba1 Warp \u2192 warpAffine \/ warpPerspective<\/p>\n

    TV-L1 Pipeline：\u8f93\u5165\u4e24\u5e27\u56fe\u50cf \u2192 \u7070\u5ea6\u5316 \u2192 \u5efa\u7acb\u591a\u5c3a\u5ea6 Pyramid
    \n\u2192 \u5efa\u7acb Optical Flow Energy \u2192 TV Regularization（\u603b\u53d8\u5dee\u6b63\u5219\u5316）
    \n\u2192 L1 Photometric Optimization \u2192 \u8fed\u4ee3\u4f18\u5316 Flow
    \n\u2192 \u5f97\u5230 Dense Optical Flow \u2192 \u6839\u636e Flow \u6c42 Warp<\/p>\n

    \u534a\u7a20\u5bc6\u76f4\u63a5\u6cd5（Semi-Dense Direct Methods），\u73b0\u4ee3 Direct VO \u6838\u5fc3\u3002\u9009\u53d6\u4f18\u5316\u9ad8\u68af\u5ea6\u533a\u57df（\u6574\u7247\u68af\u5ea6\u8db3\u591f\u7684\u50cf\u7d20\u533a\u57df），\u5373：\u2223\u2207I\u2223>threshold\u3002\u56e0\u4e3a\u5e73\u5766\u533a\u57df\u6ca1\u6709\u4fe1\u606f\u3002\u901a\u8fc7\u9ad8\u68af\u5ea6\u50cf\u7d20\u5b9e\u73b0\u4e86\u7cbe\u5ea6\u4e0e\u901f\u5ea6\u7684\u5e73\u8861\u3002<\/p>\n

    \u4f18\u70b9：1. \u6bd4Dense\u5feb\u5f88\u591a，\u4e0d\u4f18\u5316\u65e0\u4fe1\u606f\u533a\u57df\u30022. \u6bd4Sparse\u4fe1\u606f\u66f4\u591a，\u4f7f\u7528\u5927\u91cf\u8fb9\u7f18\u30023. \u66f4\u7a33\u5b9a，\u9ad8\u68af\u5ea6\u533a\u57df\u7ea6\u675f\u5f3a\u30024. \u66f4\u9002\u5408VO，\u517c\u987e\u7cbe\u5ea6\u4e0e\u901f\u5ea6\u3002<\/p>\n

    \u7f3a\u70b9：1. \u7cfb\u7edf\u590d\u6742，\u9700\u8981\u6df1\u5ea6\/\u4f4d\u59ff\u8054\u5408\u4f18\u5316\u30022. \u6570\u5b66\u95e8\u69db\u9ad8，SE(3)+BA\u30023. \u5149\u7167\u654f\u611f，Photometric Error\u30024. \u521d\u59cb\u5316\u56f0\u96be，\u975e\u7ebf\u6027\u4f18\u5316\u3002<\/p>\n

    \u573a\u666f\u9002\u914d：1. Direct VO：\u975e\u5e38\u9002\u5408\u30022. Direct SLAM：\u975e\u5e38\u9002\u5408\u30023. AR\/VR：\u975e\u5e38\u9002\u5408\u30024. \u5b9e\u65f6\u5b9a\u4f4d：\u975e\u5e38\u9002\u5408\u30025. \u533b\u5b66\u914d\u51c6：\u4e00\u822c\u3002<\/p>\n

    \u4ee3\u8868\u7cfb\u7edf：LSD-SLAM，DSO，SVO\u3002<\/p>\n

    DSO Pipelline：\u8f93\u5165\u56fe\u50cf \u2192 \u56fe\u50cf\u91d1\u5b57\u5854 \u2192 \u9009\u62e9\u9ad8\u68af\u5ea6\u70b9
    \n\u2192 \u4f30\u8ba1\u6df1\u5ea6 \u2192 \u5efa\u7acb Photometric Error \u2192 SE(3) Warp
    \n\u2192 Gauss-Newton \u2192 \u8054\u5408\u4f18\u5316：Pose + Depth + Exposure
    \n\u2192 Keyframe \u2192 Sliding Window BA<\/p>\n

    LLSD-SLAM Pipeline：\u8f93\u5165 Monocular Video \u2192 \u5efa\u7acb Pyramid
    \n\u2192 \u63d0\u53d6\u9ad8\u68af\u5ea6\u50cf\u7d20 \u2192 Depth Estimation \u2192 Direct Image Alignment
    \n\u2192 Photometric Optimization \u2192 Pose Tracking \u2192 Keyframe Selection
    \n\u2192 Depth Map Fusion \u2192 Pose Graph Optimization<\/p>\n

    Global Direct Alignment（\u5168\u5c40\u76f4\u63a5\u914d\u51c6）：\u76f4\u63a5\u4f18\u5316\u6574\u5f20\u56fe Warp，\u6574\u56fe\u5efa\u7acb\u7edf\u4e00\u5149\u5ea6\u7ea6\u675f，\u6c42\u89e3\u5168\u5c40\u552f\u4e00\u53d8\u6362（\u5355\u5e94 \/ \u521a\u4f53 \/ \u4eff\u5c04）\u3002<\/p>\n

    \u4f18\u70b9：1.\u5149\u7167\u9c81\u68d2\u30022.\u4e9a\u50cf\u7d20\u7cbe\u5ea6\u30023.\u4f9d\u8d56\u68af\u5ea6\u800c\u975e\u89d2\u70b9，\u8fb9\u7f18\u533a\u57df\u5373\u53ef\u63d0\u4f9b\u7ea6\u675f\u30024.\u4e0d\u9700\u8981\u7279\u5f81\u70b9\u3002<\/p>\n

    \u7f3a\u70b9：1.\u901f\u5ea6\u8f83\u6162，\u76f8\u6bd4\u7a00\u758f\u7279\u5f81\u6cd5\u8ba1\u7b97\u91cf\u66f4\u5927，\u9700\u8981\u5904\u7406\u66f4\u591a\u50cf\u7d20\u30022.\u5bf9\u521d\u59cb\u5316\u654f\u611f，\u975e\u7ebf\u6027\u4f18\u5316\u6613\u9677\u5165\u5c40\u90e8\u6700\u4f18，\u4f9d\u8d56\u826f\u597d\u521d\u59cb\u4f4d\u59ff\u30023.\u52a8\u6001\u573a\u666f\u5dee，\u5149\u5ea6\u8bef\u5dee\u6a21\u578b\u5047\u8bbe\u573a\u666f\u9759\u6001，\u52a8\u6001\u7269\u4f53\u4f1a\u7834\u574f\u7ea6\u675f\u30024.\u5927\u900f\u89c6\u53d8\u5316\u56f0\u96be，\u7ebf\u6027\u5316\u5047\u8bbe\u8981\u6c42\u8fd0\u52a8\u5e45\u5ea6\u5c0f，\u89c6\u89d2\u5267\u70c8\u53d8\u5316\u6613\u5931\u6548\u3002<\/p>\n

    \"\"<\/p>\n

    \u9002\u5408\u573a\u666f：\u56fe\u50cf\u914d\u51c6\u3001\u89c6\u9891\u7a33\u50cf\u3001\u533b\u5b66\u56fe\u50cf\u3001\u9065\u611f\u56fe\u50cf\u3001\u5f31\u7eb9\u7406\u914d\u51c6\u3002<\/p>\n

    ECC Pipeline：\u521d\u59cb\u5316 Warp \u2192 Warp \u56fe\u50cf \u2192 \u8ba1\u7b97\u7070\u5ea6\u8bef\u5dee
    \n\u2192 \u8ba1\u7b97\u68af\u5ea6 \u2192 Jacobian \u2192 Hessian \u2192 Gauss-Newton \u2192 \u66f4\u65b0 Warp \u2192 \u6536\u655b\u3002<\/p>\n

    Frequency-domain Direct Methods（\u9891\u57df\u76f4\u63a5\u6cd5）：\u9891\u57df\u76f4\u63a5\u6cd5\u4e0d\u76f4\u63a5\u5728\u50cf\u7d20\u7a7a\u95f4\u505a\u7070\u5ea6\u4f18\u5316，\u800c\u662f\u901a\u8fc7\u5085\u91cc\u53f6\u53d8\u6362（FFT）\u5c06\u56fe\u50cf\u8f6c\u6362\u5230\u9891\u57df，\u5229\u7528\u76f8\u4f4d\u76f8\u5173 \/ \u4e92\u76f8\u5173\u6c42\u89e3\u56fe\u50cf\u95f4\u7684\u5e73\u79fb\u504f\u79fb，\u5b9e\u73b0\u5feb\u901f\u914d\u51c6\u3002<\/p>\n

    \u4f18\u70b9：1.\u8d85\u5feb，\u9891\u57df\u4e92\u76f8\u5173\u5229\u7528 FFT \u5b9e\u73b0，\u65f6\u95f4\u590d\u6742\u5ea6\u4e3a O (N log N)\u30022.\u6297\u566a\u58f0，\u9891\u57df\u6ee4\u6ce2\u7279\u6027\u5929\u7136\u6291\u5236\u9ad8\u9891\u566a\u58f0\u30023.\u5b9e\u73b0\u7b80\u5355\u30024.\u5927\u5e73\u79fb\u7a33\u5b9a\u3002<\/p>\n

    \u7f3a\u70b9：1.\u53ea\u80fd\u4f30\u8ba1\u5e73\u79fb\u30022.\u65e0\u6cd5\u5904\u7406\u590d\u6742\u5f62\u53d8\u30023.\u4e0d\u9002\u5408\u900f\u89c6\u53d8\u5316\u3002<\/p>\n

    \u573a\u666f：\u5e73\u79fb\u914d\u51c6\u3001\u5de5\u4e1a\u68c0\u6d4b\u3001\u89c6\u9891\u7a33\u50cf\u3001\u5feb\u901f\u7c97\u5bf9\u9f50\u3002<\/p>\n

    \"\"<\/p>\n

    Phase Correlation Pipeline：\u8f93\u5165\u4e24\u5f20\u56fe \u2192 FFT（\u5085\u91cc\u53f6\u53d8\u6362）
    \n\u2192 \u8ba1\u7b97 Cross Power Spectrum \u2192 IFFT \u2192 \u5cf0\u503c\u68c0\u6d4b \u2192 \u5f97\u5230\u5e73\u79fb\u91cf(dx,dy) \u2192 warpAffine<\/p>\n\n\u7c7b\u522b\u6838\u5fc3\u601d\u60f3\u5178\u578b\u7b97\u6cd5\u7a00\u758f\/\u7a20\u5bc6\u662f\u5426\u4f18\u5316\u7070\u5ea6\u662f\u5426\u9700\u8981\u7279\u5f81\u70b9\u662f\u5426\u9700\u8981Descriptor\u662f\u5426\u5c5e\u4e8eVO\/SLAM\u6838\u5fc3OpenCV\u662f\u5426\u652f\u6301OpenCV\u51fd\u6570\/APIC++Python\u5178\u578b\u7528\u9014\u4f18\u70b9\u7f3a\u70b9<\/tr>\n\n\n\n\n\n\n
    Sparse Direct Methods（\u7a00\u758f\u76f4\u63a5\u6cd5）<\/td>\n\u53ea\u4f18\u5316\u5c11\u91cf Patch \u7070\u5ea6<\/td>\nLK\u3001Pyramid LK\u3001KLT\u3001IC-LK<\/td>\n\u7a00\u758f<\/td>\n\u662f<\/td>\n\u901a\u5e38\u9700\u8981\u89d2\u70b9<\/td>\n\u4e0d\u9700\u8981<\/td>\n\u662f（Frontend\u6838\u5fc3）<\/td>\n\u652f\u6301（IC-LK\u65e0\u72ec\u7acbAPI）<\/td>\ncalcOpticalFlowPyrLK()<\/td>\n\u652f\u6301<\/td>\n\u652f\u6301<\/td>\nTracking\u3001VO Frontend\u3001SLAM Frontend<\/td>\n\u6781\u5feb\u3001\u5b9e\u65f6\u6027\u5f3a\u3001CPU\u53cb\u597d<\/td>\n\u5bf9\u5149\u7167\u654f\u611f\u3001\u5927\u4f4d\u79fb\u56f0\u96be\u3001\u957f\u671f\u6f02\u79fb<\/td>\n<\/tr>\n
    Dense Direct Methods（\u7a20\u5bc6\u76f4\u63a5\u6cd5）<\/td>\n\u5bf9\u5168\u56fe\u6240\u6709\u50cf\u7d20\u4f18\u5316<\/td>\nFarneback\u3001TV-L1\u3001Horn-Schunck<\/td>\n\u7a20\u5bc6<\/td>\n\u662f<\/td>\n\u4e0d\u9700\u8981<\/td>\n\u4e0d\u9700\u8981<\/td>\n\u90e8\u5206\u5c5e\u4e8e<\/td>\n\u652f\u6301（Horn-Schunck\u65e0）<\/td>\ncalcOpticalFlowFarneback() DualTVL1OpticalFlow<\/td>\n\u652f\u6301<\/td>\n\u652f\u6301<\/td>\nDense Flow\u3001Motion Analysis\u3001\u89c6\u9891\u7406\u89e3<\/td>\n\u4fe1\u606f\u91cf\u5927\u3001\u8fd0\u52a8\u8fde\u7eed<\/td>\n\u8ba1\u7b97\u91cf\u5de8\u5927\u3001\u5185\u5b58\u9ad8<\/td>\n<\/tr>\n
    Semi-Dense Direct Methods（\u534a\u7a20\u5bc6\u76f4\u63a5\u6cd5）<\/td>\n\u53ea\u4f18\u5316\u9ad8\u68af\u5ea6\u533a\u57df<\/td>\nLSD-SLAM\u3001DSO\u3001SVO<\/td>\n\u534a\u7a20\u5bc6<\/td>\n\u662f<\/td>\n\u4e0d\u4e00\u5b9a<\/td>\n\u4e0d\u9700\u8981<\/td>\n\u662f（\u73b0\u4ee3Direct VO\u6838\u5fc3）<\/td>\n\u4e0d\u652f\u6301<\/td>\n\u65e0<\/td>\n\u9700\u7b2c\u4e09\u65b9\u5e93<\/td>\n\u9700\u7b2c\u4e09\u65b9\u5e93<\/td>\nDirect VO\u3001SLAM\u3001AR<\/td>\n\u7cbe\u5ea6\u9ad8\u3001\u5f31\u7eb9\u7406\u5f3a\u3001\u6548\u7387\u6bd4Dense\u9ad8<\/td>\n\u6570\u5b66\u590d\u6742\u3001\u5de5\u7a0b\u96be\u3001\u5149\u7167\u654f\u611f<\/td>\n<\/tr>\n
    Global Direct Alignment（\u5168\u5c40\u76f4\u63a5\u914d\u51c6）<\/td>\n\u76f4\u63a5\u4f18\u5316\u6574\u56feWarp<\/td>\nECC\u3001Image Alignment<\/td>\n\u5168\u5c40\/\u7a20\u5bc6<\/td>\n\u662f<\/td>\n\u4e0d\u9700\u8981<\/td>\n\u4e0d\u9700\u8981<\/td>\n\u4e0d\u5c5e\u4e8e\u5b8c\u6574VO<\/td>\n\u652f\u6301<\/td>\nfindTransformECC()<\/td>\n\u652f\u6301<\/td>\n\u652f\u6301<\/td>\n\u56fe\u50cf\u914d\u51c6\u3001\u89c6\u9891\u7a33\u50cf\u3001\u533b\u5b66\u56fe\u50cf<\/td>\n\u4e9a\u50cf\u7d20\u7cbe\u5ea6\u9ad8\u3001\u5f31\u7eb9\u7406\u53ef\u7528<\/td>\n\u5bf9\u521d\u59cb\u5316\u654f\u611f\u3001\u52a8\u6001\u573a\u666f\u5dee<\/td>\n<\/tr>\n
    Frequency-based Direct Methods（\u9891\u57df\u76f4\u63a5\u6cd5）<\/td>\n\u5728\u9891\u57df\u4f30\u8ba1\u8fd0\u52a8<\/td>\nPhase Correlation\u3001Fourier-Mellin<\/td>\n\u5168\u5c40<\/td>\n\u95f4\u63a5<\/td>\n\u4e0d\u9700\u8981<\/td>\n\u4e0d\u9700\u8981<\/td>\n\u4e0d\u5c5e\u4e8e<\/td>\n\u90e8\u5206\u652f\u6301<\/td>\nphaseCorrelate()<\/td>\n\u652f\u6301<\/td>\n\u652f\u6301<\/td>\n\u5e73\u79fb\u914d\u51c6\u3001\u5de5\u4e1a\u68c0\u6d4b\u3001\u5feb\u901f\u7c97\u5bf9\u9f50<\/td>\n\u8d85\u5feb\u3001\u6297\u566a\u58f0\u3001\u5927\u5e73\u79fb\u7a33\u5b9a<\/td>\n\u901a\u5e38\u53ea\u80fd\u5904\u7406\u5e73\u79fb\u6216\u7b80\u5355\u53d8\u6362<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

    （4）\u7279\u5f81\u6cd5\u7684\u672c\u8d28\u533a\u522b<\/p>\n

    Feature-based：\u4f18\u5316\u51e0\u4f55\u5bf9\u5e94\u5173\u7cfb，\u5373\u70b9\u5bf9\u70b9\u5bf9\u5e94，\u4f8b\u5982：ORB\u3001SIFT\u3001SURF，\u4f18\u5316\u76ee\u6807 Reprojection Error（\u91cd\u6295\u5f71\u8bef\u5dee）\u3002<\/p>\n

    Direct Method：\u4f18\u5316\u7070\u5ea6\u4e00\u81f4\u6027，\u5373 Pixel-to-pixel Alignment（\u50cf\u7d20\u5bf9\u9f50），\u4f18\u5316\u76ee\u6807 Photometric Error（\u5149\u5ea6\u8bef\u5dee）\u3002<\/p>\n\n\u7279\u5f81\u6cd5\u76f4\u63a5\u6cd5<\/tr>\n\n\n\n\n\n\n\n\n\n
    \u4f7f\u7528\u5173\u952e\u70b9<\/td>\n\u4e0d\u9700\u8981\u5173\u952e\u70b9<\/td>\n<\/tr>\n
    \u4f7f\u7528 descriptor（\u63cf\u8ff0\u5b50）<\/td>\n\u4f7f\u7528\u7070\u5ea6\u503c<\/td>\n<\/tr>\n
    \u5148\u5339\u914d\u518d\u4f18\u5316<\/td>\n\u76f4\u63a5\u4f18\u5316<\/td>\n<\/tr>\n
    \u7a00\u758f correspondence<\/td>\n\u7a20\u5bc6 \/ \u534a\u7a20\u5bc6\u4f18\u5316<\/td>\n<\/tr>\n
    \u51e0\u4f55\u9a71\u52a8<\/td>\n\u5149\u5ea6\u9a71\u52a8<\/td>\n<\/tr>\n
    \u5bf9\u5149\u7167\u66f4\u9c81\u68d2<\/td>\n\u5bf9\u5149\u7167\u654f\u611f<\/td>\n<\/tr>\n
    \u5bf9\u521d\u59cb\u5316\u4e0d\u654f\u611f<\/td>\n\u5bf9\u521d\u59cb\u5316\u654f\u611f<\/td>\n<\/tr>\n
    \u9002\u5408\u5927\u4f4d\u79fb<\/td>\n\u9002\u5408\u5c0f\u4f4d\u79fb<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

    1.\u7a00\u758f\u76f4\u63a5\u6cd5<\/h3>\n

    1.1 Lucas-Kanade Optical Flow（LK \u5149\u6d41）<\/h4>\n

    LK \u5c5e\u4e8e\u57fa\u4e8e\u7070\u5ea6\u7684\u7a00\u758f\u76f4\u63a5\u6cd5，\u4f9d\u9760\u7070\u5ea6\u4e0d\u53d8\u5047\u8bbe\u4e0e\u56fe\u50cf\u68af\u5ea6\u3002\u5148\u5728\u53c2\u8003\u56fe\u63d0\u53d6 Shi-Tomasi \u89d2\u70b9，\u518d\u5728\u53e6\u4e00\u5f20\u56fe\u4e2d\u8ddf\u8e2a\u8fd9\u4e9b\u7279\u5f81\u70b9\u7684\u8fd0\u52a8\u4f4d\u7f6e；\u5f97\u5230\u6210\u5bf9\u5339\u914d\u70b9\u540e，\u518d\u6c42\u89e3\u53d8\u6362\u77e9\u9635\u5b9e\u73b0\u56fe\u50cf\u5bf9\u9f50\u3002\u65e0\u9700\u5bf9\u6574\u5f20\u56fe\u8ba1\u7b97，\u53ea\u505a\u5c40\u90e8\u7279\u5f81\u70b9\u8ddf\u8e2a，\u901f\u5ea6\u5feb，\u9002\u5408\u5e27\u95f4\u5c0f\u8fd0\u52a8\u3001\u8fde\u7eed\u89c6\u9891\u6216\u5c0f\u5e45\u504f\u79fb\u56fe\u50cf\u914d\u51c6\u3002LK\u7684\u672c\u8d28\u662f\u5c40\u90e8\u7070\u5ea6\u4e00\u81f4\u6027\u4f18\u5316，\u627e\u4e00\u4e2a\u5c0f\u4f4d\u79fb\u8ba9\u7a97\u53e3\u7070\u5ea6\u5dee\u6700\u5c0f，\u627e\u6700\u4f18 warp \u53c2\u6570 p \u8ba9 warp \u540e\u7684\u56fe \u2248 template\u3002<\/p>\n

    LLK\u5149\u6d41\u53ea\u9700\u641c\u5bfb\u56fe\u50cf\u5757\u7070\u5ea6\u5dee\u5f02\u6700\u5c0f\u7684\u5339\u914d\u4f4d\u7f6e\u5b8c\u6210\u5757\u5bf9\u9f50\u3002\u5176\u4f18\u5316\u76ee\u6807\u4e3a\u6700\u5c0f\u5316\u7070\u5ea6\u5e73\u65b9\u8bef\u5deeSSD，\u516c\u5f0f\u4e3a$\\\\min\\\\sum(I_1-I_2)^2$，\u901a\u8fc7\u8fed\u4ee3\u6c42\u89e3\u6700\u4f18\u50cf\u7d20\u504f\u79fb\u91cf，\u5b9e\u73b0\u7cbe\u51c6\u8fd0\u52a8\u8ddf\u8e2a\u3002<\/p>\n

    （1）\u4f18\u7f3a\u70b9<\/p>\n

    \u4f18\u70b9<\/p>\n

  • \u8ba1\u7b97\u901f\u5ea6\u6781\u5feb，\u53ea\u4f18\u5316\u5c40\u90e8\u5c0f\u7a97\u53e3（Patch）\u3002<\/li>\n
  • \u6570\u5b66\u6a21\u578b\u7b80\u6d01\u4f18\u96c5，\u57fa\u4e8e\u6700\u5c0f\u4e8c\u4e58\u4f18\u5316\u3002<\/li>\n
  • \u7070\u5ea6\u76f4\u63a5\u4f18\u5316，\u53ef\u8fbe\u5230\u8f83\u9ad8\u4e9a\u50cf\u7d20\u7cbe\u5ea6\u3002<\/li>\n
  • \u975e\u5e38\u9002\u5408\u5b9e\u65f6\u8ddf\u8e2a\u4e0e\u89c6\u9891\u5904\u7406\u3002<\/li>\n
  • \u662f\u7ecf\u5178 Direct Method \u4e0e Optical Flow \u7684\u57fa\u7840\u3002<\/li>\n

    \u7f3a\u70b9<\/p>\n

  • \u5bf9\u5149\u7167\u53d8\u5316\u654f\u611f，\u4f9d\u8d56 Brightness Constancy（\u7070\u5ea6\u4e00\u81f4\u6027\u5047\u8bbe）\u3002<\/li>\n
  • \u5927\u4f4d\u79fb\u573a\u666f\u56f0\u96be，\u56e0\u4e3a\u6cf0\u52d2\u5c55\u5f00\u7ebf\u6027\u5316\u8981\u6c42\u5c0f\u8fd0\u52a8，\u56e0\u6b64\u901a\u5e38\u9700\u8981 Pyramid LK\u3002<\/li>\n
  • \u5f31\u7eb9\u7406\u533a\u57df\u6548\u679c\u5dee，\u68af\u5ea6\u4e0d\u8db3\u4f1a\u5bfc\u81f4\u7ea6\u675f\u9000\u5316\u3002<\/li>\n
  • \u5bb9\u6613\u51fa\u73b0\u957f\u671f\u6f02\u79fb（Tracking Drift）\u3002<\/li>\n
  • \u906e\u6321\u6216\u5feb\u901f\u8fd0\u52a8\u65f6\u5bb9\u6613\u8ddf\u8e2a\u5931\u8d25\u3002<\/li>\n
  • \u672c\u8d28\u5c5e\u4e8e\u5c40\u90e8\u4f18\u5316，\u5bb9\u6613\u9677\u5165\u5c40\u90e8\u6700\u4f18\u3002<\/li>\n

    \u9002\u7528\u573a\u666f<\/p>\n

  • \u89c6\u9891\u76ee\u6807\u8ddf\u8e2a\u3002<\/li>\n
  • \u89c6\u9891\u7a33\u50cf\u3002<\/li>\n
  • VO \/ SLAM \u524d\u7aef\u8ddf\u8e2a\u3002<\/li>\n
  • \u9ad8\u5e27\u7387\u5c0f\u8fd0\u52a8\u573a\u666f\u3002<\/li>\n
  • \u5b9e\u65f6\u5149\u6d41\u4f30\u8ba1\u3002<\/li>\n
  • \u7a00\u758f\u7279\u5f81\u8ddf\u8e2a（KLT Tracking）\u3002<\/li>\n

    （2）\u6838\u5fc3\u6982\u5ff5<\/p>\n

    Lucas-Kanade（LK）：LK \u7684\u4f1f\u5927\u4e4b\u5904\u5728\u4e8e\u201c\u4e00\u4e2a\u50cf\u7d20\u4e0d\u591f，\u90a3\u5c31\u770b\u4e00\u4e2a patch （\u5c0f\u7a97\u53e3）\u201d，\u5047\u8bbe\u7a97\u53e3\u5185\u6240\u6709\u50cf\u7d20\u8fd0\u52a8\u4e00\u81f4，\u4e8e\u662f\u7a97\u53e3\u5185\u7684\u6bcf\u4e00\u4e2a\u50cf\u7d20\u90fd\u6709\u4e00\u4e2a\u5149\u6d41\u7ea6\u675f\u65b9\u7a0b，\u6700\u540e\u5f97\u5230\u8d85\u5b9a\u65b9\u7a0b\u7ec4 A*d = b，\u7136\u540e\u7528\u6700\u5c0f\u4e8c\u4e58\u6c42\u89e3\u3002<\/p>\n

    \u8fb9\u7f18\u4e0d\u597d\u3001\u89d2\u70b9\u6700\u597d：\u4f8b\u5982\u7ad6\u76f4\u8fb9\u7f18\u53ea\u6709 x \u65b9\u5411\u53d8\u5316，\u65e0\u6cd5\u786e\u5b9a v，\u56e0\u6b64\u8fb9\u7f18\u4e0d\u53ef\u7a33\u5b9a\u8ddf\u8e2a；\u89d2\u70b9x\u3001y\u65b9\u5411\u90fd\u6709\u53d8\u5316，\u6240\u4ee5 Harris\/Shi-Tomasi \u9002\u5408LK\u3002<\/p>\n

    \u91d1\u5b57\u5854 LK（Pyramidal LK）：\u666e\u901a LK \u53ea\u80fd\u5904\u7406\u5c0f\u4f4d\u79fb，\u56e0\u4e3a\u6cf0\u52d2\u5c55\u5f00\u8981\u6c42 dx \u5f88\u5c0f，\u5982\u679c\u8fd0\u52a8\u592a\u5927\u5c31\u662f\u76f4\u63a5\u5931\u6548，\u4e8e\u662f\u6709\u4e86\u56fe\u50cf\u91d1\u5b57\u5854\u3002\u5148\u5728\u9876\u5c42\u91d1\u5b57\u5854（\u4f4e\u5206\u8fa8\u7387）\u5f00\u59cb\u8dd1 LK \u6d41\u5149，\u7b97\u51fa\u7c97\u7565\u4f4d\u79fbu，v\u3002\u628a\u4e0a\u5c42\u5f97\u5230\u7684\u4f4d\u79fb\u4f5c\u4e3a\u521d\u59cb\u503c，\u4f20\u5230\u4e0b\u4e00\u5c42，\u6bcf\u5c42\u90fd\u7528 LK \u8fed\u4ee3\u5fae\u8c03\u4f4d\u79fb，\u4e00\u76f4\u8fed\u4ee3\u5230\u539f\u56fe\u5c42，\u5f97\u5230\u6700\u7ec8\u7cbe\u786e\u5149\u6d41\u3002\u91d1\u5b57\u5854 LK = \u56fe\u50cf\u91d1\u5b57\u5854 + \u7c97\u5230\u7ec6\u8fed\u4ee3，\u5df2\u77e5\u524d\u4e00\u5e27\u5173\u952e\u70b9，\u8f93\u51fa\u8fd9\u4e9b\u70b9\u518d\u4e0b\u4e00\u5e27\u8dd1\u5230\u54ea\u4e86，\u672c\u8d28\u662f\u70b9\u5bf9\u70b9\u8f68\u8ff9\u8ddf\u8e2a，\u4e0d\u9700\u8981\u91cd\u65b0\u68c0\u6d4b\u89d2\u70b9\u3001\u505a\u63cf\u8ff0\u5b50\u5339\u914d\u3002\u800c\u4f20\u7edf\u7279\u5f81\u5339\u914d\u9700\u8981\u5728\u4e24\u5e27\u5404\u81ea\u91cd\u65b0\u68c0\u6d4b\u89d2\u70b9\u3001\u91cd\u65b0\u505a\u63cf\u8ff0\u5b50\u5339\u914d\u3002<\/p>\n

    \"\"<\/p>\n

    （3）LK Pipeline<\/p>\n

    1.\u68c0\u6d4b\u7279\u5f81\u70b9，\u901a\u5e38Harris\u3001Shi-Tomasi\u30022.\u53d6patch\u30023.\u8ba1\u7b97\u56fe\u50cf\u68af\u5ea6\u30024.\u5efa\u7acb\u5149\u5ea6\u8bef\u5dee\u30025.Gauss-Newton Optimization（\u9ad8\u65af\u725b\u987f\u4f18\u5316）\u6c42dx\u3001dy\u30025.\u5f97\u5230 optical flow（\u5149\u6d41）\u3002<\/p>\n

    Lucas-Kanade \u5149\u6d41\u672c\u8d28\u662f\u8ddf\u8e2a，\u4e0d\u662f\u68c0\u6d4b\u3001\u4e0d\u662f\u5339\u914d\u3002\u65e2\u80fd\u7528\u89c6\u9891\u8fde\u7eed\u5e27，\u4e5f\u80fd\u7528\u4e24\u5f20\u95f4\u9694\u5f88\u5c0f\u7684\u56fe\u7247\u3002\u5148\u4f7f\u7528 Shi-Tomasi \u63d0\u89d2\u70b9，\u540e\u9762\u6bcf\u4e00\u5e27\u4e0d\u7528\u518d\u91cd\u65b0\u68c0\u6d4b\u5173\u952e\u70b9，LK \u76f4\u63a5\u8ddf\u7740\u7070\u5ea6\u53d8\u5316，\u7b97\u51fa\u6bcf\u4e2a\u70b9\u8dd1\u5230\u54ea\u3002<\/p>\n

    1.2 IC-LK（Inverse Compositional Lucas-Kanade）<\/h4>\n

    \u5982\u679c\u8bf4 LK \u80fd\u5de5\u4f5c，IC-LK \u5219\u80fd\u591f\u5b9e\u65f6\u5de5\u4f5c，\u5b83\u628a\u539f\u672c\u6bcf\u6b21\u8fed\u4ee3\u90fd\u8981\u91cd\u590d\u7684\u5927\u91cf\u8ba1\u7b97，\u63d0\u524d\u9884\u8ba1\u7b97，\u8fd9\u662f\u5b83\u7684\u672c\u8d28\u3002<\/p>\n

    \u666e\u901a Forward Additive LK：\u6bcf\u6b21\u8fed\u4ee3\u90fd\u8981\u91cd\u65b0\u6c42 1. Warp image\u30022. \u8ba1\u7b97\u5f53\u524d\u56fe\u50cf\u68af\u5ea6\u30023. \u8ba1\u7b97 Jacobian\u30024. \u8ba1\u7b97 Hessian\u30025. \u6c42 \u0394p\u30026. \u66f4\u65b0 p\u3002\u95ee\u9898\u662fHessian\/Jacobian \u6bcf\u8f6e\u90fd\u91cd\u65b0\u8ba1\u7b97，\u4ee3\u4ef7\u5f88\u5927，\u5c24\u5176：\u89c6\u9891 60FPS，\u6bcf\u5e27\u51e0\u767e\u7279\u5f81\u70b9，\u6bcf\u70b9\u51e0\u5341\u6b21\u8fed\u4ee3，\u8ba1\u7b97\u7206\u70b8\u3002<\/p>\n

    IC-LK：\u53d1\u73b0\u771f\u6b63\u53d8\u5316\u7684\u662f warp，template \u6839\u672c\u6ca1\u53d8，\u4e8e\u662f，\u5b83\u5c06\u666e\u901a LK \u7684\u4f18\u5316 I(W(x;p+\u0394p)) \u2248 T(x) \u66f4\u65b0 Current Image，\u53cd\u8fc7\u6765 I(W(x;p)) \u2248 T(W(x;\u0394p)) \u66f4\u65b0 Template，\u8fd9\u5c31\u662f\u00a0Inverse（\u9006）Compositional（\u7ec4\u5408）\u540d\u5b57\u7684\u6765\u6e90\u3002<\/p>\n

    \u4e3a\u4ec0\u4e48\u8fd9\u6837\u5c31\u5feb\u4e86：\u56e0\u4e3a Template \u662f\u56fa\u5b9a\u7684，\u6240\u4ee5 Template \u7684 Gradient\u3001Jacobian\u3001Hessian \u5168\u90e8\u53ef\u4ee5\u9884\u8ba1\u7b97，\u4e0d\u9700\u8981\u6bcf\u6b21\u53bb\u8ba1\u7b97warp\u540e\u7684\u56fe\u50cf\u3002<\/p>\n

    \u5c40\u9650\u6027：1.\u53ea\u80fd\u505a\u5c0f\u8fd0\u52a8，\u56e0\u4e3a\u4f9d\u8d56（Taylor Linearization）\u6cf0\u52d2\u7ebf\u6027\u5316\u30022.\u5149\u7167\u53d8\u5316\u654f\u611f，\u56e0\u4e3a\u76ee\u6807\u8fd8\u662f SSD\u30023.\u906e\u6321\u654f\u611f，\u5c40\u90e8 patch \u88ab\u6321\u4f4f，\u4f18\u5316\u76ee\u6807\u9519\u8bef\u30024.\u4f4e\u7eb9\u7406\u533a\u57df\u5bb9\u6613\u5931\u8d25，\u56e0\u4e3a \u2207I\u22480，Hessian \u4e0d\u7a33\u5b9a\u3002<\/p>\n

    IC-LK \u4e0e \u91d1\u5b57\u5854 LK \u7684\u5173\u7cfb：IC-LK \u89e3\u51b3\u8ba1\u7b97\u901f\u5ea6\u6162\u3001\u8fed\u4ee3\u6548\u7387\u4f4e\u7684\u95ee\u9898，\u91d1\u5b57\u5854 Pyramid \u89e3\u51b3\u5e27\u95f4\u5927\u4f4d\u79fb\u95ee\u9898，\u901a\u8fc7\u56fe\u50cf\u91d1\u5b57\u5854\u7531\u7c97\u5230\u7cbe\u9010\u5c42\u7f29\u5c0f\u4f4d\u79fb\u3002\u5de5\u7a0b\u5b9e\u9645\u7ec4\u5408：Pyramid IC-LK\u3002<\/p>\n

    \"\"<\/p>\n

    1.3 KLT（Kanade-Lucas-Tomasi Tracker）<\/h4>\n

    Kanade-Lucas-Tomasi \u8ddf\u8e2a\u5668，\u672c\u8d28\u4e0a\u662f：Shi-Tomasi \u89d2\u70b9\u68c0\u6d4b + Pyramid LK \u5149\u6d41\u8ddf\u8e2a\u3002\u5b83\u4e0d\u662f\u65b0\u7684\u5149\u6d41\u7406\u8bba，\u800c\u662f\u4e00\u4e2a\u5b8c\u6574\u7684\u7a00\u758f\u70b9\u8ddf\u8e2a\u6846\u67b6，KLT \u5c5e\u4e8e\u57fa\u4e8e\u7070\u5ea6\u7684\u7a00\u758f\u76f4\u63a5\u6cd5，\u5229\u7528：Brightness Constancy（\u4eae\u5ea6\u6052\u5b9a）\u3001Local Patch Alignment（\u5c40\u90e8\u7070\u5ea6\u5bf9\u9f50）\u3001Pyramid LK（\u591a\u5c42\u91d1\u5b57\u5854\u5149\u6d41）\u5728\u8fde\u7eed\u5e27\u4e2d\u8ddf\u8e2a\u7a33\u5b9a\u89d2\u70b9\u8fd0\u52a8\u3002<\/p>\n

    KLT \u6700\u5927\u7279\u70b9：\u7b2c\u4e00\u5e27\u68c0\u6d4b\u89d2\u70b9，\u540e\u7eed\u53ea\u8ddf\u8e2a，\u4e0d\u91cd\u65b0\u5339\u914d\u3002\u56e0\u6b64\u76f8\u6bd4\u4f20\u7edf Feature Matching：\u4e0d\u9700\u8981 descriptor\u3001brute-force matching\u3001FLANN，\u901f\u5ea6\u6781\u5feb\u3002\u975e\u5e38\u9002\u5408：Video Tracking（\u89c6\u9891\u8ddf\u8e2a）\u3001Visual Odometry（\u89c6\u89c9\u91cc\u7a0b\u8ba1）\u3001SLAM Frontend（SLAM \u524d\u7aef）\u3002<\/p>\n

    （1）\u4f18\u7f3a\u70b9<\/p>\n

    \u4f18\u70b9：1.\u901f\u5ea6\u6781\u5feb\u30022.\u9002\u5408\u5b9e\u65f6\u89c6\u9891\u30023.\u4e9a\u50cf\u7d20\u7cbe\u5ea6\u9ad8\u30024.\u5b9e\u73b0\u7b80\u5355\u30025.\u4e0d\u9700\u8981 descriptor\u30026.CPU \u5373\u53ef\u5b9e\u65f6\u8fd0\u884c\u3002<\/p>\n

    \u7f3a\u70b9：1.\u5bf9\u5149\u7167\u53d8\u5316\u654f\u611f\u30022.\u5927\u4f4d\u79fb\u56f0\u96be\u30023.\u5feb\u901f\u8fd0\u52a8\u5bb9\u6613\u6f02\u79fb\u30024.\u957f\u671f\u8ddf\u8e2a\u5bb9\u6613\u7d2f\u8ba1\u8bef\u5dee\u30025.\u906e\u6321\u540e\u5bb9\u6613\u5931\u8d25\u30026.\u5f31\u7eb9\u7406\u533a\u57df\u6548\u679c\u5dee\u3002<\/p>\n

    （2）\u76f8\u5173\u95ee\u9898<\/p>\n

    \u4e3a\u4ec0\u4e48 KLT \u5fc5\u987b\u4f7f\u7528\u89d2\u70b9：\u56e0\u4e3a KLT \u672c\u8d28\u4ecd\u7136\u4f9d\u8d56\u56fe\u50cf\u68af\u5ea6\u3002\u5982\u679c\u533a\u57df\u5b8c\u5168\u5e73\u5766，\u6216\u8005\u53ea\u6709\u5355\u65b9\u5411\u8fb9\u7f18，\u5219\u65e0\u6cd5\u7a33\u5b9a\u8ddf\u8e2a，\u56e0\u4e3a Hessian \u4f1a\u9000\u5316\u3002\u4f8b\u5982\u7ad6\u76f4\u8fb9\u7f18\u53ea\u6709 x \u65b9\u5411\u68af\u5ea6，\u65e0\u6cd5\u786e\u5b9a y \u65b9\u5411\u8fd0\u52a8，\u56e0\u6b64\u8fb9\u7f18\u4e0d\u7a33\u5b9a；\u89d2\u70b9\u540c\u65f6\u5177\u6709 x\u3001y \u4e24\u4e2a\u65b9\u5411\u68af\u5ea6，\u56e0\u6b64 Hessian \u53ef\u9006，\u9002\u5408\u7a33\u5b9a\u8ddf\u8e2a\u3002<\/p>\n

    \"\"<\/p>\n

    \u4e3a\u4ec0\u4e48 Shi-Tomasi \u6700\u9002\u5408 KLT：Shi-Tomasi \u4f1a\u5bfb\u627e\u4e24\u4e2a\u65b9\u5411\u90fd\u6709\u660e\u663e\u68af\u5ea6\u53d8\u5316\u7684\u4f4d\u7f6e，\u5373\u771f\u6b63\u9002\u5408\u5149\u6d41\u8ddf\u8e2a\u7684\u70b9，\u56e0\u6b64 KLT \u901a\u5e38\u7b2c\u4e00\u6b65\u90fd\u4f1a\u4f7f\u7528 goodFeaturesToTrack() \u68c0\u6d4b Shi-Tomasi Corner\u3002<\/p>\n

    \u4e3a\u4ec0\u4e48 KLT \u975e\u5e38\u5feb：\u56e0\u4e3a KLT \u4e0d\u505a descriptor\u3001\u4e0d\u505a brute-force matching\u3001\u4e0d\u505a Hamming Distance\u3001\u4e0d\u505a FLANN，\u53ea\u505a Local Patch Optimization（\u5c40\u90e8\u7070\u5ea6\u4f18\u5316），\u56e0\u6b64\u8ba1\u7b97\u91cf\u6781\u5c0f，\u7ecf\u5178 CPU \u5b9e\u65f6 Tracking \u5927\u91cf\u4f7f\u7528 KLT\u3002<\/p>\n

    KLT \u4e0e LK \u7684\u5173\u7cfb：LK（Lucas-Kanade）\u672c\u8d28\u662f\u5149\u6d41\u4f18\u5316\u7b97\u6cd5，\u8d1f\u8d23\u6c42\u89e3\u5149\u6d41：(u,v)\u3002\u800c KLT \u662f\u5b8c\u6574\u8ddf\u8e2a\u6846\u67b6，\u672c\u8d28\u662f：Shi-Tomasi + Pyramid LK + Track Management\u3002\u56e0\u6b64 KLT \u53ef\u4ee5\u7406\u89e3\u4e3a\u5de5\u7a0b\u5316\u7684 LK Tracker\u3002<\/p>\n

    \u4e3a\u4ec0\u4e48 KLT \u4f1a\u6f02\u79fb（Drift）：KLT \u6bcf\u4e00\u5e27\u90fd\u57fa\u4e8e\u4e0a\u4e00\u5e27\u7ed3\u679c\u7ee7\u7eed\u8ddf\u8e2a，\u56e0\u6b64\u8bef\u5dee\u4f1a\u4e0d\u65ad\u7d2f\u8ba1，\u8fd9\u53eb Drift（\u6f02\u79fb）\u3002\u957f\u671f Tracking \u540e，\u70b9\u7684\u4f4d\u7f6e\u4f1a\u8d8a\u6765\u8d8a\u504f，\u56e0\u6b64 VO \/ SLAM \u4e2d\u901a\u5e38\u9700\u8981 Re-detect Feature（\u91cd\u65b0\u68c0\u6d4b\u7279\u5f81\u70b9）\u3001Keyframe（\u5173\u952e\u5e27）\u4ee5\u53ca Bundle Adjustment（BA）\u4fee\u6b63\u6f02\u79fb\u3002<\/p>\n

    \u4e3a\u4ec0\u4e48 KLT \u9002\u5408 VO \/ SLAM Frontend：VO \u524d\u7aef\u6700\u9700\u8981\u7684\u662f\u5feb\u901f\u7a33\u5b9a Tracking，\u800c\u4e0d\u662f\u590d\u6742 descriptor matching，\u56e0\u6b64 KLT \u975e\u5e38\u9002\u5408 Frame-to-frame Tracking（\u5e27\u95f4\u8ddf\u8e2a）\u3001Sparse Correspondence（\u7a00\u758f\u5bf9\u5e94）\u4ee5\u53ca Motion Estimation（\u8fd0\u52a8\u4f30\u8ba1）\u3002<\/p>\n

    （3）KLT Pipeline<\/p>\n

    1.\u8f93\u5165\u89c6\u9891\u8fde\u7eed\u5e27\u30022.\u7b2c\u4e00\u5e27\u68c0\u6d4b Shi-Tomasi \u89d2\u70b9\u30023.\u5bf9\u6bcf\u4e2a\u89d2\u70b9\u53d6 patch\u30024.\u8ba1\u7b97\u56fe\u50cf\u68af\u5ea6\u30025.\u5efa\u7acb Photometric Error（\u5149\u5ea6\u8bef\u5dee）\u30026.\u4f7f\u7528 LK \u6c42\u89e3\u5149\u6d41\u30027.\u66f4\u65b0\u70b9\u4f4d\u7f6e\u30028.\u4e0b\u4e00\u5e27\u7ee7\u7eed\u8ddf\u8e2a\u3002\u672c\u8d28\u662f detect once + track many frames\u3002<\/p>\n

    \"\"<\/p>\n

    \u7ecf\u5178 VO \u901a\u5e38\u4f7f\u7528：KLT + RANSAC + Essential Matrix \u8fdb\u884c\u8fd0\u52a8\u4f30\u8ba1\u3002<\/p>\n

    void cvtColor(InputArray src, OutputArray dst, int code, int dstCn = 0);
    \n\u53c2\u6570：src \u539f\u56fe，dst \u8f93\u51fa\u56fe，code \u8f6c\u6362\u7c7b\u578b，dstCn \u8f93\u51fa\u901a\u9053\u6570
    \nvoid goodFeaturesToTrack(InputArray image, OutputArray corners, int maxCorners, double qualityLevel, double minDistance, InputArray mask = Mat(), int blockSize = 3, bool useHarrisDetector = false, double k = 0.04);
    \n\u53c2\u6570：image\u7070\u5ea6\u56fe，corners\u8f93\u51fa\u89d2\u70b9，maxCorners\u6700\u5927\u70b9\u6570，qualityLevel\u8d28\u91cf\u9608\u503c，minDistance\u70b9\u6700\u5c0f\u95f4\u8ddd，mask\u63a9\u7801，blockSize\u7a97\u53e3\u5c3a\u5bf8，useHarrisDetector\u662f\u5426\u542f\u7528 Harris \u89d2\u70b9，kHarris \u7cfb\u6570
    \nvoid calcOpticalFlowPyrLK(InputArray prevImg, InputArray nextImg, InputArray prevPts, InputOutputArray nextPts, OutputArray status, OutputArray err, Size winSize = Size(21,21), int maxLevel = 3, TermCriteria criteria = TermCriteria(TermCriteria::EPS+TermCriteria::COUNT,30,0.01), int flags = 0, double minEigThreshold = 1e-4);
    \n\u53c2\u6570：prevImg\u524d\u5e27\u7070\u5ea6\u56fe，nextImg\u5f53\u524d\u5e27\u7070\u5ea6\u56fe，prevPts\u524d\u5e27\u7279\u5f81\u70b9，nextPts\u8f93\u51fa\u8ddf\u8e2a\u70b9，status\u8ddf\u8e2a\u72b6\u6001，err\u5339\u914d\u8bef\u5dee，winSize\u641c\u7d22\u7a97\u53e3，maxLevel\u91d1\u5b57\u5854\u5c42\u6570，criteria\u8fed\u4ee3\u7ec8\u6b62\u6761\u4ef6，flags\u7b97\u6cd5\u6807\u5fd7，minEigThreshold\u6700\u5c0f\u7279\u5f81\u503c\u9608\u503c
    \n\/\/ \u5e94\u7528
    \ncv::Mat gray1, gray2;
    \ncv::cvtColor(img1, gray1, cv::COLOR_BGR2GRAY);
    \ncv::cvtColor(img2, gray2, cv::COLOR_BGR2GRAY);<\/p>\n

    std::vector<cv::Point2f> pts1, pts2;
    \ncv::goodFeaturesToTrack(gray1, pts1, 200, 0.01, 10, cv::Mat(), 3, false, 0.04);<\/p>\n

    std::vector<uchar> status;
    \nstd::vector<float> err;
    \ncv::calcOpticalFlowPyrLK(gray1, gray2, pts1, pts2, status, err, cv::Size(15,15), 3, cv::TermCriteria(cv::TermCriteria::EPS|cv::TermCriteria::COUNT,10,0.03));<\/p>\n

    \/\/ \u7b5b\u9009\u6709\u6548\u70b9
    \nstd::vector<cv::Point2f> good1, good2;
    \nfor (int i = 0; i < status.size(); i++)
    \n{
    \n if (status[i])
    \n {
    \n good1.push_back(pts1[i]);
    \n good2.push_back(pts2[i]);
    \n }
    \n}<\/p>\n

    2.\u7a20\u5bc6\u76f4\u63a5\u6cd5<\/h3>\n

    1.Horn-Schunck Optical Flow：\u7ecf\u5178 Dense Optical Flow\u3002\u6838\u5fc3\u601d\u60f3：\u9664\u4e86\u6ee1\u8db3\u5149\u6d41\u7ea6\u675f，\u8fd8\u5047\u8bbe\u5168\u56fe\u5149\u6d41\u5e73\u6ed1\u3002\u76ee\u6807\u662f\u540c\u65f6\u6ee1\u8db3\u5149\u6d41\u7ea6\u675f\u3001\u5168\u5c40\u5e73\u6ed1\u3002<\/p>\n

    2.Farneback Optical Flow：OpenCV \u5e38\u7528 Dense Flow，calcOpticalFlowFarneback()\u3002\u7279\u70b9：\u7a20\u5bc6\u3001\u8fde\u7eed\u8fd0\u52a8\u573a\u3001\u5b9e\u65f6\u6027\u8f83\u597d\u3002<\/p>\n

    3.TV-L1 Optical Flow：\u9ad8\u7cbe\u5ea6 Dense Optical Flow\u3002\u76f8\u6bd4 Farneback \u66f4\u6297\u566a\u58f0\u3001\u6297\u5149\u7167\u3001\u6297\u5f02\u5e38\u503c，\u4f46\u8ba1\u7b97\u66f4\u6162\u3002<\/p>\n

    cv::Ptr<cv::optflow::DualTVL1OpticalFlow> tvl1 = cv::optflow::createOptFlow_DualTVL1();
    \ncv::Mat flow;
    \ntvl1->calc(gray1, gray2, flow);
    \ncv::Mat warp = cv::findTransformFromOpticalFlow(flow, cv::MOTION_HOMOGRAPHY);
    \ncv::warpPerspective(img1, aligned, warp, img1.size());<\/p>\n

    4.Motion Estimation（\u57fa\u4e8e\u5757\u5339\u914d\u7684\u76f4\u63a5\u914d\u51c6）<\/p>\n

    OpenCV \u5185\u7f6e cv::motempl:: \u6a21\u5757 \u5168\u56fe\u5206\u5757 \u2192 \u76f4\u63a5\u8ba1\u7b97\u7070\u5ea6\u5dee \u2192 \u8f93\u51fa\u5168\u5c40\u53d8\u6362<\/p>\n

    cv::Mat flow;
    \ncv::calcOpticalFlowFarneback(gray1, gray2, flow, 0.5, 3, 15, 3, 5, 1.2, 0);
    \ncv::Mat warp = cv::findTransformFromOpticalFlow(flow, cv::MOTION_AFFINE);
    \ncv::warpAffine(img1, aligned, warp, img1.size());<\/p>\n\n\u7c7b\u522bSparse Optical Flow（\u7a00\u758f\u5149\u6d41）Dense Optical Flow（\u7a20\u5bc6\u5149\u6d41）<\/tr>\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
    \u6838\u5fc3\u601d\u60f3<\/td>\n\u53ea\u8ddf\u8e2a\u5c11\u91cf\u5173\u952e\u70b9\u8fd0\u52a8<\/td>\n\u4f30\u8ba1\u6bcf\u4e2a\u50cf\u7d20\u7684\u8fd0\u52a8<\/td>\n<\/tr>\n
    \u8ddf\u8e2a\u5bf9\u8c61<\/td>\n\u7279\u5f81\u70b9 \/ Corner \/ Patch<\/td>\n\u5168\u56fe\u6240\u6709\u50cf\u7d20<\/td>\n<\/tr>\n
    \u8f93\u51fa<\/td>\n\u51e0\u5341～\u51e0\u767e\u4e2a\u70b9\u7684\u4f4d\u79fb<\/td>\n\u6574\u5f20 Flow Map（\u4e8c\u7ef4\u8fd0\u52a8\u573a）<\/td>\n<\/tr>\n
    \u6570\u636e\u91cf<\/td>\n\u5c11<\/td>\n\u6781\u5927<\/td>\n<\/tr>\n
    \u901f\u5ea6<\/td>\n\u5feb，\u9002\u5408\u5b9e\u65f6<\/td>\n\u6162，\u8ba1\u7b97\u91cd<\/td>\n<\/tr>\n
    \u7cbe\u5ea6<\/td>\n\u5c40\u90e8\u8f83\u51c6<\/td>\n\u5168\u5c40\u8fde\u7eed\u66f4\u5b8c\u6574<\/td>\n<\/tr>\n
    \u9002\u5408\u573a\u666f<\/td>\nTracking\u3001VO\u3001SLAM<\/td>\nMotion Analysis\u3001\u89c6\u9891\u7406\u89e3<\/td>\n<\/tr>\n
    \u662f\u5426\u9700\u8981\u7279\u5f81\u70b9<\/td>\n\u901a\u5e38\u9700\u8981<\/td>\n\u4e0d\u9700\u8981<\/td>\n<\/tr>\n
    \u662f\u5426\u5229\u7528\u6574\u56fe\u7070\u5ea6<\/td>\n\u90e8\u5206<\/td>\n\u5168\u90e8<\/td>\n<\/tr>\n
    \u5bf9\u5f31\u7eb9\u7406\u533a\u57df<\/td>\n\u5bb9\u6613\u5931\u8d25<\/td>\n\u76f8\u5bf9\u66f4\u597d<\/td>\n<\/tr>\n
    \u5bf9\u5927\u8fd0\u52a8<\/td>\n\u4e00\u822c\u9700 Pyramid<\/td>\n\u73b0\u4ee3\u65b9\u6cd5\u66f4\u5f3a<\/td>\n<\/tr>\n
    \u5185\u5b58\u5360\u7528<\/td>\n\u4f4e<\/td>\n\u9ad8<\/td>\n<\/tr>\n
    \u5de5\u7a0b\u590d\u6742\u5ea6<\/td>\n\u8f83\u4f4e<\/td>\n\u8f83\u9ad8<\/td>\n<\/tr>\n
    OpenCV \u5e38\u7528\u63a5\u53e3<\/td>\ncalcOpticalFlowPyrLK()<\/td>\ncalcOpticalFlowFarneback()<\/td>\n<\/tr>\n
    \u5178\u578b\u7b97\u6cd5<\/td>\nLK\u3001KLT\u3001IC-LK<\/td>\nHorn-Schunck\u3001Farneback\u3001RAFT<\/td>\n<\/tr>\n
    \u6570\u5b66\u672c\u8d28<\/td>\nPatch Alignment<\/td>\nDense Motion Field Estimation<\/td>\n<\/tr>\n
    \u5e38\u89c1\u4f18\u5316<\/td>\nPyramid\u3001IC-LK<\/td>\nMulti-scale\u3001CNN<\/td>\n<\/tr>\n
    \u5178\u578b\u7528\u9014<\/td>\n\u70b9\u8ddf\u8e2a\u3001\u7a33\u5b9a\u89d2\u70b9<\/td>\n\u89c6\u9891\u5206\u5272\u3001\u52a8\u4f5c\u5206\u6790<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

    3.\u5168\u5c40\u76f4\u63a5\u6cd5<\/h3>\n

    3.1 ECC（Enhanced Correlation Coefficient）<\/h4>\n

    ECC（\u589e\u5f3a\u76f8\u5173\u7cfb\u6570）\u5c5e\u4e8e\u57fa\u4e8e\u7070\u5ea6\u7684\u5168\u5c40\u76f4\u63a5\u6cd5，\u662f\u5bf9\u6574\u5f20\u56fe\u4f18\u5316，\u8ba9\u4e24\u5f20\u56fe\u6574\u4f53\u5c3d\u53ef\u80fd\u4e00\u81f4，\u672c\u8d28\u4e0a\u662f\u6c42\u4e00\u4e2aWarp（\u53d8\u6362），\u4f7f Image Warp \u540e\u5c3d\u53ef\u80fd\u548c Image2 \u4e00\u81f4，\u4e5f\u5c31\u662f\u5bf9\u9f50\u3002<\/p>\n

    LK \u7684\u672c\u8d28\u662f\u6700\u5c0f\u5316 SDD（\u7070\u5ea6\u5dee），\u800c ECC \u5173\u6ce8\u7070\u5ea6\u53d8\u5316\u8d8b\u52bf\u662f\u5426\u4e00\u81f4，\u5373\u6700\u5927\u5316 Correlation（\u76f8\u5173\u6027）\u3002\u672c\u8d28\u4e0a\u4e24\u5f20\u56fe\u8d8a\u76f8\u4f3c，ECC \u8d8a\u5927，\u4f18\u5316\u76ee\u6807\u662f max corr(I1, I2)\u3002<\/p>\n

    \u666e\u901a\u76f4\u63a5\u6cd5\u975e\u5e38\u6015\u4eae\u5ea6\u53d8\u5316\u3001\u5bf9\u6bd4\u5ea6\u53d8\u5316\u3001\u66dd\u5149\u53d8\u5316，\u800c ECC \u4f1a\u53bb\u503c\u9664\u65b9\u5dee，\u56e0\u6b64\u6297\u5149\u7167\u53d8\u5316，\u5373\u4f7f\u6574\u4f53\u4eae\u4e00\u70b9\u6216\u6697\u4e00\u70b9，\u53ea\u8981\u7eb9\u7406\u7ed3\u6784\u4e00\u81f4，\u4ecd\u7136\u80fd\u5bf9\u9f50\u3002<\/p>\n

    （1）\u4f18\u7f3a\u70b9<\/p>\n

    \u4f18\u70b9：1.\u4e9a\u50cf\u7d20\u7cbe\u5ea6\u9ad8，\u56e0\u4e3a\u76f4\u63a5\u4f18\u5316\u7070\u5ea6\u30022.\u5149\u7167\u9c81\u68d2\u30023.\u4e0d\u9700\u8981\u7279\u5f81\u70b9，\u5f31\u7eb9\u7406\u4e5f\u80fd\u5de5\u4f5c\u30024.\u6570\u5b66\u4f18\u96c5\u3002<\/p>\n

    \u7f3a\u70b9：1.\u5bf9\u521d\u59cb\u5316\u654f\u611f，\u5982\u679c\u521d\u59cb\u5316\u5dee\u8ddd\u592a\u5927，\u5bb9\u6613\u5931\u8d25\u30022.\u8ba1\u7b97\u91cf\u8f83\u5927，\u56e0\u4e3a\u6574\u56fe\u4f18\u5316\u30023.\u52a8\u6001\u573a\u666f\u5dee，\u79fb\u52a8\u7269\u4f53\u4f1a\u7834\u574f photometric consistency（\u5149\u5ea6\u4e00\u81f4\u6027）\u30024.\u5927\u900f\u89c6\u53d8\u5316\u56f0\u96be，\u5c24\u5176\u975e\u5e73\u9762\u573a\u666f\u3002<\/p>\n

    （2）\u76f8\u5173\u95ee\u9898<\/p>\n

    \u4e3a\u4ec0\u4e48\u9700\u8981 Warp Jacobian：\u56e0\u4e3a\u4f18\u5316\u5668\u9700\u8981\u77e5\u9053：\u53c2\u6570\u53d8\u5316->\u50cf\u7d20\u4f4d\u7f6e\u53d8\u5316->\u7070\u5ea6\u53d8\u5316，\u4e5f\u5c31\u662fwarp\u6539\u4e00\u70b9\u56fe\u50cf\u4f1a\u600e\u4e48\u53d8\u5316，\u6240\u4ee5ECC\u672c\u8d28\u8fd8\u662f Nonlinear Optimization（\u975e\u7ebf\u6027\u4f18\u5316）\u3002<\/p>\n

    \"\"<\/p>\n

    \u4e3a\u4ec0\u4e48\u9700\u8981 Pyramid：\u539f\u59cb ECC \u95ee\u9898\u53ea\u80fd\u5904\u7406\u5c0f\u4f4d\u79fb，\u5982\u679c\u4e24\u56fe\u8ddd\u79bb\u5dee\u8ddd\u592a\u5927，\u4f18\u5316\u4f1a\u6389\u8fdb Local Minimum（\u5c40\u90e8\u6700\u4f18），\u6240\u4ee5\u4f7f\u7528\u00a0Image Pyramid（\u91d1\u5b57\u5854），\u4e0e Pyramid LK \u601d\u60f3\u4e00\u6837\u3002<\/p>\n

    \u4e3a\u4ec0\u4e48\u52a8\u6001\u573a\u666f\u5bb9\u6613\u5931\u8d25：\u56e0\u4e3a\u52a8\u6001\u7269\u4f53\u4f1a\u7834\u574f Photometric Consistency（\u5149\u5ea6\u4e00\u81f4\u6027），\u4e8e\u662f\u4f18\u5316\u76ee\u6807\u9519\u8bef，\u6240\u4ee5\u5bf9\u4e8e\u52a8\u6001\u573a\u666f，\u57fa\u4e8e\u7279\u5f81\u7684\u65b9\u6cd5\u66f4\u9c81\u68d2，ECC \u66f4\u8106\u5f31\u3002<\/p>\n

    ECC \u548c LK \u5173\u7cfb：LK \u672c\u8d28\u662f Patch Alignment（\u5c0f\u7a97\u53e3）\u5bf9\u9f50；ECC \u672c\u8d28\u662f Whole Image Alignment \u6574\u56fe\u5bf9\u9f50\u3002\u4e24\u8005\u5171\u540c\u6838\u5fc3\u90fd\u662f Photometric Optimization（\u7070\u5ea6\u4f18\u5316）\u3002<\/p>\n

    Photometric Optimization（\u5149\u5ea6\u4f18\u5316\/\u7070\u5ea6\u4f18\u5316）：\u4e0d\u7528\u7279\u5f81\u70b9\u3001\u4e0d\u7528\u5339\u914d\u70b9，\u76f4\u63a5\u7528\u50cf\u7d20\u7070\u5ea6\u503c\u505a\u8bef\u5dee\u6700\u5c0f\u5316，\u8fed\u4ee3\u6c42\u89e3\u76f8\u673a\u4f4d\u59ff \/ \u56fe\u50cf\u53d8\u6362\u77e9\u9635\u7684\u4f18\u5316\u65b9\u5f0f\u3002<\/p>\n

    \u4e3a\u4ec0\u4e48\u5c5e\u4e8e\u76f4\u63a5\u6cd5：\u6ca1\u6709keypoint\u3001descriptor\u3001matching，\u800c\u662f warp(x;p) \u76f4\u63a5\u4f18\u5316 p（\u53d8\u6362\u53c2\u6570，Transformation Parameters），\u4f7f warp \u540e\u56fe\u50cf\u4e0e\u76ee\u6807\u56fe\u50cf\u7070\u5ea6\u6700\u76f8\u4f3c\u3002<\/p>\n

    （3）Pipeline<\/p>\n

    1.\u521d\u59cb\u5316warp，\u4f8b\u5982\u5e73\u79fb\u3001\u4eff\u5c04\u3001\u5355\u5e94\u6027\u30022.Warp Image1，\u628a Image1 \u6295\u5f71\u5230 Image2 \u5750\u6807\u7cfb\u30023.\u8ba1\u7b97 ECC Score，\u5373\u4e24\u5f20\u56fe\u76f8\u5173\u6027\u30024.Compute Jacobian\u3001Build Hessian\u3001Gauss-Newton Optimization\u30025.\u66f4\u65b0Warp\u30026.\u76f4\u5230\u6536\u655b\u3002<\/p>\n

    \"\"<\/p>\n

    \"\"<\/p>\n

    double findTransformECC(InputArray templateImage, InputArray inputImage, InputOutputArray warpMatrix, int motionType, TermCriteria criteria, InputArray inputMask, int gaussFiltSize);
    \n\u529f\u80fd：\u57fa\u4e8e\u589e\u5f3a\u76f8\u5173\u7cfb\u6570（ECC）\u7684\u5168\u5c40\u7070\u5ea6\u56fe\u50cf\u914d\u51c6，\u65e0\u9700\u7279\u5f81\u70b9，\u76f4\u63a5\u8fed\u4ee3\u8ba1\u7b97\u4e24\u5e45\u56fe\u50cf\u4e4b\u95f4\u7684\u53d8\u6362\u77e9\u9635，\u5b9e\u73b0\u6574\u56fe\u5bf9\u9f50\u3002
    \n\u53c2\u6570：
    \ntemplateImage：\u57fa\u51c6 \/ \u53c2\u8003\u56fe\u50cf（\u7070\u5ea6\u56fe）
    \ninputImage：\u5f85\u914d\u51c6\u7684\u8f93\u5165\u56fe\u50cf（\u7070\u5ea6\u56fe）
    \nwarpMatrix：\u8f93\u51fa\u53d8\u6362\u77e9\u9635（\u5e73\u79fb \/ \u65cb\u8f6c \/ \u4eff\u5c04 \/ \u5355\u5e94）
    \nmotionType：\u53d8\u6362\u7c7b\u578b
    \n – MOTION_TRANSLATION：\u5e73\u79fb，2 DOF
    \n – MOTION_EUCLIDEAN：\u5e73\u79fb + \u65cb\u8f6c（\u521a\u6027），3 DOF
    \n – MOTION_AFFINE：\u4eff\u5c04，6 DOF
    \n – MOTION_HOMOGRAPHY：\u900f\u89c6\u5355\u5e94，8 DOF
    \ncriteria：\u8fed\u4ee3\u505c\u6b62\u6761\u4ef6（\u6b21\u6570 + \u7cbe\u5ea6）
    \ninputMask：\u63a9\u7801（\u4e0d\u9700\u8981\u586b Mat ()）
    \ngaussFiltSize：\u9ad8\u65af\u6ee4\u6ce2\u7a97\u53e3\u5927\u5c0f（\u9ed8\u8ba4 5）<\/p>\n

    \u5185\u90e8\u57fa\u672cfor iteration：1. Warp input image 2. Compute image gradient 3. Compute ECC score 4. Compute Jacobian 5. Build Hessian 6. Solve delta_p 7. Update warp 8. Check convergence
    \n\u672c\u8d28\u662f Gauss-Newton nonlinear optimization（\u9ad8\u65af-\u725b\u987f\u975e\u7ebf\u6027\u4f18\u5316）\u3002<\/p>\n

    \u6ce8\u610f：1.\u5fc5\u987b\u662f\u7070\u5ea6\u56fe\u30022.\u5fc5\u987b float32\u3002<\/p>\n\n\u65b9\u6cd5\u7c7b\u578b\u901f\u5ea6\u7cbe\u5ea6\u9002\u5408\u573a\u666fOpenCV \u51fd\u6570<\/tr>\n\n\n\n\n\n\n
    LK \u5149\u6d41 + \u5355\u5e94<\/td>\n\u7a00\u758f\u76f4\u63a5\u6cd5<\/td>\n\u6781\u5feb<\/td>\n\u4e2d<\/td>\n\u5c0f\u8fd0\u52a8\u3001\u89c6\u9891\u7a33\u50cf<\/td>\ncalcOpticalFlowPyrLK<\/td>\n<\/tr>\n
    ECC<\/td>\n\u5168\u5c40\u76f4\u63a5\u6cd5<\/td>\n\u4e2d\u6162<\/td>\n\u5f88\u9ad8<\/td>\n\u6574\u56fe\u5bf9\u9f50\u3001\u533b\u5b66\u56fe\u50cf\u3001\u5f31\u7eb9\u7406<\/td>\nfindTransformECC<\/td>\n<\/tr>\n
    Phase Corr<\/td>\n\u9891\u57df\u76f4\u63a5\u6cd5<\/td>\n\u8d85\u5feb<\/td>\n\u4f4e（\u4ec5\u5e73\u79fb）<\/td>\n\u5e73\u79fb\u56fe\u50cf<\/td>\nphaseCorrelate<\/td>\n<\/tr>\n
    Farneback<\/td>\n\u7a20\u5bc6\u76f4\u63a5\u6cd5<\/td>\n\u5feb<\/td>\n\u4e2d\u9ad8<\/td>\n\u8fde\u7eed\u5e27\u3001\u89c6\u9891<\/td>\ncalcOpticalFlowFarneback<\/td>\n<\/tr>\n
    TV-L1<\/td>\n\u7a20\u5bc6\u76f4\u63a5\u6cd5<\/td>\n\u6162<\/td>\n\u6700\u9ad8<\/td>\n\u9ad8\u7cbe\u5ea6\u914d\u51c6\u3001\u566a\u58f0\u56fe\u50cf<\/td>\nDualTVL1OpticalFlow<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

    4.\u76f8\u4f4d\u76f8\u5173\u6cd5（Phase Correlation）<\/h3>\n

    \u57fa\u4e8e\u9891\u57df\u7684\u56fe\u50cf\u914d\u51c6\u65b9\u6cd5，\u5229\u7528\u5085\u91cc\u53f6\u53d8\u6362\u7684\u5e73\u79fb\u6027\u8d28\u901a\u8fc7\u9891\u8c31\u76f8\u4f4d\u5dee\u4f30\u8ba1\u4e24\u5e45\u56fe\u4e4b\u95f4\u7684\u5e73\u79fb\u91cf\u3002<\/p>\n

    \u6838\u5fc3\u601d\u60f3：\u5047\u8bbe\u4e24\u5e45\u56fe\u4ec5\u5b58\u5728\u5e73\u79fb，\"$g(x,y)=f(x-\\\\Delta\u3002<\/p>\n

    （1）\u76f8\u5173\u6982\u5ff5<\/p>\n

    \u5085\u91cc\u53f6\u53d8\u6362：\u56fe\u50cf\u518d\u7a7a\u95f4\u57df\u4e2d\u7684\u5e73\u79fb\u4f1a\u53d8\u6210\u5085\u91cc\u53f6\u57df\u4e2d\u7684\u76f8\u4f4d\u53d8\u5316，\u800c\u5e45\u503c\u4e0d\u53d8\u3002\u5047\u8bbe\u4e24\u5f20\u56fe，I2\u200b(x,y) \u662f I1\u200b(x,y) \u5e73\u79fb\u5f97\u5230\u00a0\"$I_2(x,y)=I_1(x-\\\\Delta，\u90a3\u4e48\u5b83\u4eec\u5085\u91cc\u53f6\u53d8\u6362\u6ee1\u8db3\u3002\u5e45\u503c\u4e0d\u53d8\"$F_2(u,v)=F_1(u,v)e^{-j2\\\\pi(u\\\\Delta，\u53ea\u6539\u53d8\u76f8\u4f4d\u589e\u52a0\u00a0\"$e^{-j2\\\\pi\\\\bigl(u\\\\Delta，\u8fd9\u610f\u5473\u7740\u56fe\u50cf\u5e73\u79fb\u5173\u7cfb\u5b8c\u5168\u9690\u85cf\u518d\u76f8\u4f4d\u5dee\u91cc\u9762，\u56e0\u6b64\u53ea\u8981\u5206\u6790\u76f8\u4f4d\u5c31\u80fd\u6062\u590d (\u0394x,\u0394y)\u3002<\/p>\n

    \u4e3a\u4ec0\u4e48\u5e45\u503c\u4e0d\u53d8：F1\u200b(u,v) \u672c\u8eab\u662f\u4e00\u4e2a\u590d\u6570，\u53ef\u4ee5\u5199\u6210\u5e45\u503c + \u76f8\u4f4d\u7684\u5f62\u5f0f：\"F_1(u,v)=|F_1(u,v)|\\\\cdot\u00a0\u3002\u540e\u9762\u4e58\u7684\"e^{-j2\\\\pi(u\\\\Delta\u4e5f\u662f\u4e00\u4e2a\u590d\u6570，\u5b83\u7684\u5f62\u5f0f\u662f\u5355\u4f4d\u590d\u6570，\u5e45\u503c\u6c38\u8fdc\u662f 1（\u56e0\u4e3a\"\\\\big|e^{j\\\\theta}\\\\big|\" =1）\u5b83\u7684\u76f8\u4f4d\u662f \u22122\u03c0(u\u0394x+v\u0394y)\u3002\u5c06 F1 \u7684\u590d\u6570\u5f62\u5f0f\u5e26\u5165\u5f97\"F_2(u,v)，\"F_2(u,v)，\u5e45\u503c\u90e8\u5206\u8fd8\u662f |F1| \u6ca1\u6709\u53d8\u5316；\u76f8\u4f4d\u90e8\u5206：\u53d8\u6210\u4e86\"\\\\phi_1 ，\u6bd4\u539f\u6765\u591a\u4e86\u4e00\u4e2a\u56fa\u5b9a\u7684\u7ebf\u6027\u504f\u79fb，\u6240\u4ee5\u8bf4 \u201c\u53ea\u6539\u53d8\u76f8\u4f4d\u201d\u3002\u4efb\u4f55\u590d\u6570\u90fd\u53ef\u4ee5\u5199\u6210\u6781\u5750\u6807\u5f62\u5f0f：\"z\u3002\u5176\u4e2d：r=\u2223z\u2223 \u662f\u6a21（\u5e45\u503c），\u03b8 \u662f\u8f90\u89d2（\u76f8\u4f4d），\"\\\\left|\u662f\u5355\u4f4d\u590d\u6570，\u4e58\u4ee5\u5355\u4f4d\u590d\u6570，\u5e45\u503c\u4e0d\u53d8，\u53ea\u4f1a\u8ba9\u590d\u6570\u5728\u590d\u5e73\u9762\u4e0a\u7ed5\u539f\u70b9\u65cb\u8f6c\u4e00\u4e2a\u89d2\u5ea6 \u03b8，\u4e5f\u5c31\u662f\u76f8\u4f4d\u53d8\u5316\u3002<\/p>\n

    \u5085\u91cc\u53f6\u57df（\u9891\u57df）：\u56fe\u50cf\u539f\u672c\u4ee5\u50cf\u7d20\u5750\u6807 (x,y) \u63cf\u8ff0，\u53eb\u7a7a\u95f4\u57df；\u7ecf\u8fc7\u5085\u91cc\u53f6\u53d8\u6362\u540e，\u6539\u7528\u9891\u7387 (u,v) \u63cf\u8ff0，\u8fd9\u4e2a\u65b0\u7684\u8868\u8fbe\u7a7a\u95f4，\u5c31\u662f\u5085\u91cc\u53f6\u57df（\u9891\u57df）\u3002<\/p>\n

    \u5e45\u503c\u548c\u76f8\u4f4d：\u5085\u91cc\u53f6\u53d8\u6362\u516c\u5f0f F(u)=A(u)\u22c5ej\u03c6(u)，A(u) \u5e45\u503c，\u8be5\u9891\u7387\u5206\u91cf\u7684\u5f3a\u5ea6 \/ \u6743\u91cd；\u03c6(u) \u76f8\u4f4d，\u4ee3\u8868\u8be5\u9891\u7387\u5206\u91cf\u7684\u4f4d\u7f6e \/ \u504f\u79fb\u4fe1\u606f，\u51b3\u5b9a\u6ce2\u5f62\u5728\u7a7a\u95f4\u4e2d\u7684\u5206\u5e03\u3001\u4f4d\u7f6e\u3001\u5f62\u72b6\u8f6e\u5ed3\u3002<\/p>\n

    \u8ba1\u7b97\u4e92\u529f\u7387\u8c31\u5f52\u4e00\u5316\u5e45\u503c：\"F_2^{*}\"，\u662f F2\u200b \u7684\u590d\u6570\u5171\u8f6d（\u865a\u90e8\u53d6\u53cd），\u4e92\u529f\u7387\u8c31
    \n\"R(u,v)=e^{j2\\\\pi(u\\\\Delta，\u5e45\u503c\u5168\u90e8\u88ab\u5f52\u4e00\u5316，\u53ea\u5269\u76f8\u4f4d\u4fe1\u606f\u3002<\/p>\n

    \"R(u,v)<\/p>\n

    \u5206\u5b50：\"F_1，\"F_1，\"\\\\left|F_1<\/p>\n

    \u5206\u6bcd：\"\\\\left|F_1<\/p>\n

    \u76f8\u9664\u5316\u7b80：\"R(u,v)<\/p>\n

    \u5085\u91cc\u53f6\u9006\u53d8\u6362：\u8bb0\u9006\u53d8\u6362\u4e3a \"\\\\mathcal{F}^{-1}\"，\"I(x,y)=\\\\mathcal{F}^{-1}\\\\left[R(u,v)\\\\right]\"，\u6839\u636e\u5085\u91cc\u53f6\u53d8\u6362\u5bf9\u5076\u6027\u8d28：
    \n\"\\\\mathcal{F}^{-1}\\\\left\\\\{e^{j2\\\\pi(u\\\\Delta，\u7a7a\u57df\u56fe\u50cf I(x,y) \u4e0a，\u4ec5\u5728\u5750\u6807 (\u0394x,\u0394y) \u5904\u51fa\u73b0\u4e00\u4e2a\u5c16\u9510\u5cf0\u503c；\u5176\u4f59\u4f4d\u7f6e\u6570\u503c\u8fd1\u4f3c\u4e3a 0\u3002\u5cf0\u503c\u6240\u5728\u5750\u6807 (\u0394x,\u0394y)，\u5c31\u662f\u4e24\u5e45\u56fe\u50cf\u4e4b\u95f4\u7684\u5e73\u79fb\u91cf\u3002<\/p>\n

    \"\"<\/p>\n

    \u5e73\u79fb\u6027\u8d28：\u7a7a\u95f4\u57df\u5e73\u79fb g(x,y)=f(x\u2212\u0394x,y\u2212\u0394y)，\u5728\u9891\u57df\u53d8\u6210\u76f8\u4f4d\u79fb\u52a8\u3002<\/p>\n

    \u65cb\u8f6c\u6027\u8d28：\u7a7a\u95f4\u57df\u65cb\u8f6c f(r,\u03b8)\u2192f(r,\u03b8\u2212\u0394\u03b8)，\u5728\u6781\u5750\u6807\u91cc\u65cb\u8f6c\u53d8\u6210\u89d2\u5ea6\u65b9\u5411\u5e73\u79fb\u3002<\/p>\n

    \u7f29\u653e\u6027\u8d28：\u7a7a\u95f4\u57df\u7f29\u653e f(ax,ay)，\u4f1a\u5728\u9891\u57df\u4ea7\u751f\u534a\u5f84\u65b9\u5411\u7f29\u653e，\u5bf9\u534a\u5f84\u53d6log，log(ar)=loga+logr，\u5c06\u7f29\u653e\u53d8\u6210\u4e86\u5e73\u79fb\u3002<\/p>\n

    \u4f4e\u901a\u6ee4\u6ce2：\u4fdd\u7559\u4f4e\u9891，\u6ee4\u9664 \/ \u524a\u5f31\u9ad8\u9891\u3002<\/p>\n

    （2）\u4f18\u7f3a\u70b9<\/p>\n

    \u4f18\u70b9：1.\u4e9a\u50cf\u7d20\u914d\u51c6\u30022.\u6297\u5149\u7167，\u4f7f\u7528\u4e92\u529f\u7387\u8c31\u53bb\u6389\u5e45\u503c\u30023.FFT，\u5feb\u901f\u5085\u91cc\u53f6\u53d8\u6362，\u65f6\u95f4\u590d\u6742\u5ea6\u4e3aO(NlogN)\u30024.\u65e0\u9700\u7279\u5f81\u70b9\u3002<\/p>\n

    \u7f3a\u70b9：1.\u53ea\u80fd\u5904\u7406\u6574\u4f53\u5e73\u79fb，\u89e3\u51b3\u65b9\u6cd5 Fourier-Mellin Transform（\u6885\u6797\u53d8\u6362）\u30022.\u5bf9\u906e\u6321\u654f\u611f，\u5085\u91cc\u53f6\u53d8\u6362\u662f\u5168\u5c40\u53d8\u6362\u30023.\u5bf9\u5c40\u90e8\u5f62\u53d8\u5dee\u30024.\u5468\u671f\u7eb9\u7406\u53ef\u80fd\u591a\u5cf0，\u591a\u4e2a\u5bf9\u9f50\u90fd\u53ef\u80fd\u5bf9\u9f50\u6210\u529f\u3002<\/p>\n

    （3）FMT（\u5085\u91cc\u53f6\u2013\u6885\u6797\u53d8\u6362）<\/p>\n

    Phase Correlation \u7684\u6269\u5c55\u7248，\u7528\u4e8e\u89e3\u51b3\u5e73\u79fb + \u65cb\u8f6c + \u7f29\u653e\u914d\u51c6\u95ee\u9898\u3002\u6838\u5fc3\u662f\u5c06\u65cb\u8f6c\u548c\u7f29\u653e\u8f6c\u6362\u6210\u5e73\u79fb，\u7136\u540e\u518d\u7528\u00a0Phase Correlation\u00a0\u6c42\u89e3\u3002<\/p>\n

    \u6574\u4f53\u6d41\u7a0b：<\/p>\n

  • \u5bf9\u56fe\u50cf f(x,y) \u505a FFT \u5feb\u901f\u5085\u91cc\u53f6\u53d8\u6362\u5f97\u5230 F(u,v)：\u5e73\u79fb\u53ea\u5f71\u54cd\u76f8\u4f4d，\u800c\u65cb\u8f6c\/\u7f29\u653e\u53ea\u8981\u5f71\u54cd\u9891\u8c31\u7ed3\u6784\u3002<\/li>\n
  • \u53d6\u9891\u8c31\u5e45\u503c：\u53d6\u00a0\"\\\\left|F(u,v)\\\\right|\"，\u53bb\u9664\u5e73\u79fb\u5f71\u54cd\u3002<\/li>\n
  • \u8f6c\u6781\u5750\u6807：\u5750\u6807 (u,v) \u53d8\u6210 (r,\u03b8)\u3002\u6b64\u65f6\u65cb\u8f6c\u53d8\u6210\u4e86\u03b8\u65b9\u5411\u5e73\u79fb\u3002<\/li>\n
  • Log-Polar\u53d8\u6362：\u5bf9\u534a\u5f84 r \u53d6\u5bf9\u6570 \u03c1=logr \u5f97\u5230 (\u03c1,\u03b8)，\u5c06\u7f29\u653e\u53d8\u6210\u03c1\u65b9\u5411\u5e73\u79fb\u3002<\/li>\n
  • \u76f8\u4f4d\u76f8\u5173：\u5bf9 Log-Polar \u56fe\u91cd\u65b0\u505a FFT，\u6784\u9020\u4e92\u529f\u666e\u7387，\u5085\u91cc\u53f6\u9006\u53d8\u6362，\u5bfb\u627e\u5cf0\u503c，\u5f97\u5230\u00a0(\u0394\u03c1,\u0394\u03b8)，\u0394\u03b8\u5c31\u662f\u56fe\u50cf\u65cb\u8f6c\u89d2\u5ea6，\u0394\u03c1=logs，\u0394\u03c1=logs，\u7f29\u653e\u534a\u5f84\"s=e^{\\\\Delta\u3002<\/li>\n
  • \u53bb\u9664\u65cb\u8f6c\u7f29\u653e\u540e，\u5728\u505a\u4e00\u6b21\u666e\u901a phase correlation，\u6c42(\u0394x,\u0394y)\u3002<\/li>\n

    \"\"<\/p>\n

    （4）\u57fa\u4e8e\u5085\u91cc\u53f6\u6781\u5750\u6807\u7684\u65b9\u6cd5<\/p>\n

    \u4e0d\u505alog，\u53ea\u505a Polar Transform + Phase Correlation\u3002<\/p>\n

    \u6574\u4f53\u6d41\u7a0b：<\/p>\n

  • FFT\u3002<\/li>\n
  • \u53d6\u9891\u8c31\u5e45\u503c\u3002<\/li>\n
  • \u8f6c\u6781\u5750\u6807\u3002<\/li>\n
  • \u5bf9\u6781\u5750\u6807\u56fe\u505a\u76f8\u4f4d\u76f8\u5173\u3002<\/li>\n
  • \u53bb\u9664\u65cb\u8f6c，\u505a\u666e\u901a\u76f8\u4f4d\u76f8\u5173\u6c42\u5e73\u79fb<\/li>\n

    FMT\u53ea\u662f\u7ecf\u5178\u9891\u57df\u914d\u51c6\u6846\u67b6，\u8fd8\u6709\u5f88\u591a\u6539\u8fdb\u7248\u3002\u4f20\u7edfFMT\u7684\u95ee\u9898\u6709\u5bf9\u900f\u89c6\u5f31\u3001\u5bf9\u5c40\u90e8\u5f62\u53d8\u5dee\u3001\u5bf9\u906e\u6321\u654f\u611f\u3001\u8fb9\u7f18\u6548\u5e94\u660e\u663e\u3001\u5bf9\u91cd\u590d\u7eb9\u7406\u4e0d\u7a33\u5b9a\u3001\u5bf9\u975e\u5747\u5300\u5c3a\u5ea6\u5dee\u3002\u56e0\u6b64\u73b0\u4ee3\u5f88\u591a\u6539\u8fdb\u672c\u8d28\u90fd\u662f\u8ba9\u9891\u57df\u914d\u51c6\u66f4\u5c40\u90e8\u3001\u9c81\u68d2\u3001\u7a33\u5b9a\u3002<\/p>\n

    （5）Windowed FMT<\/p>\n

    \u5728FMT\u524d\u52a0\u7a97\u53e3\u51fd\u6570 Hanning\/Hamming \u51cf\u5c11 spectral leakage（\u9891\u8c31\u6cc4\u6f0f）\u3002FFT \u9ed8\u8ba4\u56fe\u50cf\u8fb9\u754c\u5468\u671f\u8fde\u7eed，\u5f3a\u884c\u5468\u671f\u5ef6\u62d3，\u5b9e\u9645\u8fb9\u7f18\u4f1a\u7a81\u53d8\u5bfc\u81f4\u9891\u8c31\u6cc4\u9732\u3002\u4f8b\u5982\u56fe\u50cf：\u9ed1\u8fb9 | \u56fe\u50cf | \u767d\u8fb9；\u5ef6\u62d3 … \u767d\u8fb9 | \u9ed1\u8fb9 | \u56fe\u50cf | \u767d\u8fb9 | \u9ed1\u8fb9 | \u56fe\u50cf | \u767d\u8fb9 …\u3002<\/p>\n

    \u7a97\u53e3\u672c\u8d28\u4e0a\u662f\u4e00\u4e2a\u6743\u91cd\u51fd\u6570，\u5bf9\u8fb9\u7f18\u9010\u6e10\u8870\u51cf，\u4f8b\u5982\u4e2d\u5fc3\u6743\u91cd\u4e3a1，\u8fb9\u7f18\u9010\u6e10\u53d80\u3002<\/p>\n

    \"\"\"\"<\/p>\n

    （6）Pyramid FMT<\/p>\n

    \u591a\u5c3a\u5ea6FMT，\u6784\u5efa Gaussian Pyramid，\u4ece\u7c97\u5c3a\u5ea6\u5230\u7ec6\u5c3a\u5ea6\u9010\u5c42FMT，\u63d0\u5347\u5bf9\u5927\u5c3a\u5ea6\u53d8\u5316\u548c\u566a\u58f0\u7684\u9c81\u68d2\u6027\u3002\u3002<\/p>\n

    \u6574\u4f53\u6d41\u7a0b：<\/p>\n

  • \u6784\u5efa\u56fe\u50cf\u91d1\u5b57\u5854\u3002<\/li>\n
  • \u6bcf\u4e00\u5c42\u72ec\u7acb\u505a FMT\u3002<\/li>\n
  • \u7c97\u5230\u7ec6：\u4ece\u4f4e\u5206\u8fa8\u7387\u5230\u9ad8\u5206\u8fa8\u7387，\u7c97\u5c3a\u5ea6\u4f30\u8ba1\u5168\u5c40\u7ed3\u6784，\u7cfb\u5c3a\u5ea6\u505a\u7cbe\u786e<\/li>\n
  • \u7ed3\u679c\u878d\u5408：\u5e38\u89c1\u878d\u5408\u65b9\u5f0f：1.\u7f6e\u4fe1\u5ea6\u52a0\u6743\"T=\\\\sum\u30022.\u9891\u8c31\u5cf0\u503c\u4e00\u81f4\u6027\u6295\u7968\u30023.\u53ea\u7528\u4f4e\u5c42\u521d\u59cb\u5316，\u7528\u9ad8\u5c42\u7279\u5f81\u4fee\u6b63\u3002<\/li>\n

    \u91d1\u5b57\u5854\u7684\u4f5c\u7528：1.\u964d\u4f4e\u9891\u8c31\u590d\u6742\u5ea6，\u4f4e\u5206\u8fa8\u7387\u4e0b\u9ad8\u9891\u88ab\u6291\u5236，\u4e3b\u7ed3\u6784\u66f4\u660e\u663e\u30022.\u589e\u5f3a\u5927\u4f4d\u79fb\u9c81\u68d2\u6027，\u5927\u4f4d\u79fb\u5728\u9ad8\u5206\u8fa8\u7387\u4e0b\u5f88\u96be\u5339\u914d，\u5728\u4f4e\u5206\u8fa8\u7387\u53d8\u6210\u5c0f\u4f4d\u79fb\u30023.\u51cf\u5c11 log-polar \u91c7\u6837\u8bef\u5dee，log-polar \u5bf9\u9ad8\u9891\u5f88\u654f\u611f，\u91d1\u5b57\u5854\u7684\u5929\u7136\u4f4e\u901a\u6ee4\u6ce2\u3002<\/p>\n

    （7）Local FMT<\/p>\n

    LFMT\u00a0\u5bf9\u5c40\u90e8patch \u8fdb\u884cFFT，\u5bf9\u6bcf\u4e2apatch \u72ec\u7acb\u4f30\u8ba1\u65cb\u8f6c\u3001\u7f29\u653e\u3001\u5e73\u79fb，\u518d\u8fdb\u884c\u5168\u5c40\u878d\u5408\u3002<\/p>\n

    \u6807\u51c6 FMT \u5047\u8bbe\u6574\u56fe\u56fe\u50cf\u6ee1\u8db3\u201c\u5168\u5c40\u76f8\u4f3c\u53d8\u6362\u201d，1.\u906e\u6321，FFT\u88ab\u6c61\u67d3；2.\u52a8\u6001\u7269\u4f53，\u975e\u521a\u6027\u6270\u52a8；3.\u89c6\u5dee，\u5c40\u90e8\u51e0\u4f55\u4e0d\u4e00\u81f4；4.\u975e\u5e73\u9762\u573a\u666f，\u5355\u4e00\u5355\u5e94\u6027\u4e0d\u6210\u7acb；5.\u5c40\u90e8\u7eb9\u7406\u5f3a\u4f46\u5168\u5c40\u5f31，\u5cf0\u503c\u4e0d\u7a33\u5b9a；\u8fd9\u4e9b\u573a\u666f\u53ef\u80fd\u5931\u8d25\u3002<\/p>\n

    \u6838\u5fc3\u601d\u60f3\u662f\u4ece\u5168\u5c40\u9891\u57df \u2192 \u5c40\u90e8\u9891\u57df\u96c6\u6210，\u5c06\u56fe\u50cf\u5212\u5206\u4e3a patch：I\u2192{P1\u200b,P2\u200b,…,PN\u200b}，\u5bf9\u6bcf\u4e2apatch：<\/p>\n

  • \u5c40\u90e8 FFT\u3002<\/li>\n
  • log-polar \u53d8\u6362<\/li>\n
  • \u76f8\u4f4d\u76f8\u5173：\u4f30\u8ba1\u5c40\u90e8\u53d8\u6362，\"T_i=\\\\left(\\\\Delta\u3002<\/li>\n
  • \u4e0d\u76f4\u63a5\u8f93\u51fa\u4e00\u4e2a\u5168\u5c40\u53d8\u6362，\u800c\u662f\u8f93\u51fa\u4e00\u7ec4\u5c40\u90e8\u8fd0\u52a8\u573a\u3002<\/li>\n
  • \u878d\u5408\u7b56\u7565：1.RANSAC \u878d\u5408，\u5047\u8bbe\u5927\u90e8\u5206 patch \u6ee1\u8db3\u540c\u4e00\u8fd0\u52a8\u6a21\u578b\u30022.\u52a0\u6743\u5e73\u5747，\"T=\\\\sum，\u6743\u91cd\u6765\u81ea FFT \u5cf0\u503c\u9510\u5ea6\u3001\u9891\u8c31\u80fd\u91cf\u3001\u533a\u57df\u7eb9\u7406\u4e30\u5bcc\u5ea6\u30023.\u56fe\u4f18\u5316（\u9ad8\u7ea7\u7248\u672c）\u3002<\/li>\n

    \"\"<\/p>\n

    （8）Sub-pixel Phase Correlation<\/p>\n

    \u6807\u51c6 Phase Correlation \u5f97\u5230\u7684\u5cf0\u503c\u4f4d\u7f6e（\u4f4d\u79fb）\u901a\u5e38\u53ea\u80fd\u7cbe\u786e\u5230\u6574\u6570\u50cf\u7d20，\u4e9a\u50cf\u7d20\u76f8\u4f4d\u76f8\u5173\u5bf9 correlation peak \u505a\u5c40\u90e8\u66f2\u9762\u62df\u5408，\u628a\u4f4d\u79fb\u4f30\u8ba1\u4ece\u6574\u6570\u50cf\u7d20\u7cbe\u5ea6 \u2192 \u4e9a\u50cf\u7d20\u7cbe\u5ea6\u3002<\/p>\n

    \u5e38\u89c1\u7684\u4e9a\u50cf\u7d20\u4f30\u8ba1\u65b9\u6cd5：<\/p>\n

    1.\u629b\u7269\u7ebf\u62df\u5408（\u6700\u5e38\u7528）：\u5728\u5cf0\u503c\u9644\u8fd1\u53d6 3*3 \u6216 1\u7ef4\u90bb\u57df f(\u22121) f(0) f(1)，\u62df\u5408 f(x)=ax2+bx+c，\u5cf0\u503c\u4f4d\u7f6e\"\\\\delta，\u6700\u7ec8\u4e9a\u50cf\u7d20\u4f4d\u7f6e\"x=x_0+\\\\delta\u3002\u7b80\u5355\u3001\u5feb\u3002<\/p>\n

    2.\u9ad8\u65af\u62df\u5408：\u5047\u8bbe\u5cf0\u503c\u670d\u4ece\"f(x)=Ae^{-\\\\frac{(x-\\\\mu)^2}{2\\\\sigma^2}}\"，\u53d6log：\"\\\\ln，\u62df\u5408\u5f97\u5230 \u03bc = \u4e9a\u50cf\u7d20\u4f4d\u7f6e\u3002\u66f4\u5e73\u6ed1\u3001\u6297\u566a\u66f4\u597d\u3002<\/p>\n

    3.\u8d28\u5fc3\u6cd5：\u5728\u5cf0\u503c\u90bb\u57df\u6c42\"x^{*}=\\\\frac{\\\\sum\u3002\u7a33\u5b9a，\u4e0d\u9700\u8981\u62df\u5408\u6a21\u578b，\u4f46\u662f\u5bf9\u566a\u58f0\u654f\u611f，\u5cf0\u4e0d\u5c16\u9510\u65f6\u8bef\u5dee\u5927\u3002<\/p>\n

    4.sinc \u63d2\u503c（\u7406\u8bba\u6700\u4f18）：\u7406\u60f3\u76f8\u5173\u5cf0\u662f sinc \u51fd\u6570，\u5bf9\u79bb\u6563\u70b9\u505a sinc interpolation（\u5e78\u683c\u63d2\u503c）\u5f97\u5230\u8fde\u7eed\u51fd\u6570\u3002\u7406\u8bba\u6700\u7cbe\u786e，\u4f46\u8ba1\u7b97\u590d\u6742，\u5de5\u7a0b\u8f83\u5c11\u7528\u3002<\/p>\n

    （9）WPC（Weighted Phase Correlation）<\/p>\n

    \u666e\u901a PC \u6240\u6709\u9891\u7387\u6743\u91cd\u4e00\u6837\u3002\u4f46\u4f4e\u9891\u5bb9\u6613\u53d7\u5149\u7167\u5f71\u54cd，\u9ad8\u9891\u5bb9\u6613\u53d7\u566a\u58f0\u5f71\u54cd\u3002\u52a0\u6743\u76f8\u4f4d\u76f8\u5173\u5f15\u5165\u6743\u91cd\u51fd\u6570\"R_W(u,v)=\\\\frac{F(u,v)\\\\cdot，\u5c06\u9891\u57df\u53d8\u6210\u52a0\u6743\u6295\u7968\u7cfb\u7edf\u3002<\/p>\n

    \u6743\u91cd\u51fd\u6570：<\/p>\n

    1.\u200b\u4f4e\u9891\u4f18\u5148（Low-frequency emphasis）：\"W(u,v)=\\\\frac{1}{1+\\\\sqrt{u^2+v^2}}\"，\u200b\u4f1a\u5f3a\u5316\u7ed3\u6784\u8f6e\u5ed3\u3001\u6291\u5236\u9ad8\u9891\u566a\u58f0，\u9002\u5408\u6a21\u7cca\u56fe\u50cf\u3001\u4f4e\u7eb9\u7406\u573a\u666f\u3002<\/p>\n

    2.\u9ad8\u9891\u589e\u5f3a（Edge-aware）：\"W(u,，\u5f3a\u5316\u8fb9\u7f18\u4fe1\u606f\u3001\u63d0\u9ad8\u5b9a\u4f4d\u9510\u5ea6，\u9002\u5408\u9ad8\u7eb9\u7406\u3001\u9700\u8981\u7cbe\u786e\u4e9a\u50cf\u7d20\u5b9a\u4f4d\u7684\u573a\u666f\u3002<\/p>\n

    3.\u5e26\u901a\u52a0\u6743（Band-pass weighting）：\"W(u,<\/p>\n

    ，\u53ea\u8ba9\u4e2d\u9891\u7ed3\u6784\u53c2\u4e0e\u76f8\u4f4d\u76f8\u5173，\u7ed3\u6784\u4fe1\u606f\u66f4\u7a33\u5b9a，\u6297\u5149\u7167\u53d8\u5316（\u53bb\u4f4e\u9891），\u6297\u566a\u58f0（\u53bb\u9ad8\u9891），\u5cf0\u503c\u66f4\u5c16\u9510（\u66f4\u5229\u4e8e sub-pixel）\u3002\u4f46\u662f\u53c2\u6570 r1,r2r_1, r_2r1\u200b,r2\u200b \u9700\u8981\u8c03，\u573a\u666f\u53d8\u5316\u5927\u65f6\u5bb9\u6613\u5931\u6548（\u5c3a\u5ea6\u4e0d\u5339\u914d），<\/p>\n

    4.SNR-based weighting（\u5de5\u7a0b\u5e38\u7528）：\"V(u,<\/p>\n

    ，\u6839\u636e\u4fe1\u566a\u6bd4\u81ea\u9002\u5e94\u52a0\u6743，\u4fe1\u566a\u6bd4\u9ad8\u6743\u91cd\u5927，\u566a\u58f0\u9891\u7387\u4f4e\u6743\u91cd\u4f4e\u3002<\/p>\n

    5.\u73b0\u4ee3 Direct VO \/ SLAM<\/h3>\n

    VO（Visual Odometry）：\u89c6\u89c9\u91cc\u7a0b\u8ba1，\u4f30\u8ba1\u76f8\u673a\u8fd0\u52a8，\u8f93\u5165\u8fde\u7eed\u56fe\u50cf，\u6bcf\u4e00\u5e27\u53ea\u548c\u524d\u4e00\u5e27\u505a\u5e27\u95f4\u5bf9\u9f50 \/ \u8fd0\u52a8\u4f30\u8ba1，\u4e0d\u65ad\u7d2f\u52a0\u5e27\u95f4\u8fd0\u52a8，\u8dd1\u51fa\u76f8\u673a\u884c\u8d70\u8f68\u8ff9\u3002<\/p>\n

    SLAM（Simultaneous Localization and Mapping）：\u540c\u6b65\u5b9a\u4f4d\u4e0e\u5730\u56fe\u6784\u5efa，\u76ee\u6807\u662f\u4e00\u8fb9\u5b9a\u4f4d，\u4e00\u8fb9\u5efa\u56fe，\u5373\u4e0d\u4ec5\u77e5\u9053 camera \u5728\u54ea\u91cc，\u8fd8\u77e5\u9053\u73af\u5883\u957f\u4ec0\u4e48\u6837\u3002\u5728 VO \u8fde\u7eed\u9010\u5e27\u5bf9\u9f50\u7b97\u8f68\u8ff9\u57fa\u7840\u4e0a\u518d\u52a0：1.\u6784\u5efa\u4e09\u7ef4\u73af\u5883\u5730\u56fe\u30022.\u56de\u73af\u68c0\u6d4b：\u9694\u5f88\u4e45\u7684\u65e7\u5e27\u548c\u5f53\u524d\u5e27\u5339\u914d\u5bf9\u9f50，\u4fee\u6b63\u8f68\u8ff9\u6f02\u79fb\u30023.\u5168\u5c40 BA \u4f18\u5316\u7edf\u4e00\u6821\u6b63\u6240\u6709\u4f4d\u59ff\u4e0e\u5730\u56fe\u70b9<\/p>\n

    \u5bf9\u9f50\u65b9\u6cd5：<\/p>\n

    1. \u7279\u5f81\u70b9\u6cd5\u5bf9\u9f50（\u95f4\u63a5\u6cd5）：\u5148\u63d0\u53d6\u7279\u5f81\u2192\u5339\u914d\u7279\u5f81\u2192\u7528\u5339\u914d\u5bf9\u6c42\u89e3\u76f8\u5bf9\u4f4d\u59ff<\/p>\n

    \u5e38\u7528\u7279\u5f81<\/p>\n

    \u00a0– FAST\u3001Harris\u3001Shi-Tomasi \u89d2\u70b9<\/p>\n

    \u00a0– ORB（\u5de5\u7a0b\u9996\u9009，FAST \u89d2\u70b9 + \u65cb\u8f6c BRIEF \u63cf\u8ff0\u5b50）<\/p>\n

    \u00a0– SIFT\u3001SURF（\u7cbe\u5ea6\u9ad8\u3001\u901f\u5ea6\u6162）<\/p>\n

    \u4f18\u70b9：\u5bf9\u5149\u7167\u3001\u8f7b\u5fae\u5f62\u53d8\u9c81\u68d2，\u7a33\u5b9a\u6027\u5f3a<\/p>\n

    \u7f3a\u70b9：\u6781\u5ea6\u4f9d\u8d56\u7eb9\u7406，\u5f31\u7eb9\u7406\u573a\u666f\u65e0\u7279\u5f81\u76f4\u63a5\u5931\u6548<\/p>\n

    \u4ee3\u8868：ORB-SLAM \u7cfb\u5217<\/p>\n

    2. \u76f4\u63a5\u6cd5\u5bf9\u9f50（\u4e0d\u9760\u7279\u5f81，\u7eaf\u7070\u5ea6\u4f18\u5316）：\u5229\u7528\u7070\u5ea6\u4e0d\u53d8\u5047\u8bbe，\u6700\u5c0f\u5316\u5e27\u95f4\u7070\u5ea6\u8bef\u5dee\u4f18\u5316\u4f4d\u59ff<\/p>\n

    （1）\u7a00\u758f\u76f4\u63a5\u6cd5<\/p>\n

    \u4ee3\u8868：LK\/KLT \u5149\u6d41\u3001DSO<\/p>\n

    \u505a\u6cd5：\u53ea\u9009\u53d6\u9ad8\u68af\u5ea6\u7a00\u758f\u50cf\u7d20 \/ \u89d2\u70b9\u5468\u8fb9\u5c0f\u56fe\u50cf\u5757，\u505a\u5c40\u90e8 Patch \u5bf9\u9f50，\u6700\u5c0f\u5316 SSD \u7070\u5ea6\u5e73\u65b9\u8bef\u5dee<\/p>\n

    \u7279\u70b9：\u901f\u5ea6\u5feb；\u5f31\u7eb9\u7406\u6548\u679c\u5dee，\u65e0\u68af\u5ea6\u533a\u57df\u65e0\u6cd5\u8ddf\u8e2a<\/p>\n

    \u6d41\u7a0b：\u63d0\u89d2\u70b9\u2192\u5757\u7070\u5ea6\u5339\u914d\u2192\u6c42\u50cf\u7d20\u504f\u79fb\u2192\u89e3\u4f4d\u59ff<\/p>\n

    （2）\u534a\u7a20\u5bc6\u76f4\u63a5\u6cd5<\/p>\n

    \u4ee3\u8868：LSD-SLAM<\/p>\n

    \u505a\u6cd5：\u9009\u53d6\u6574\u7247\u68af\u5ea6\u8fbe\u6807\u8fde\u7eed\u533a\u57df\u6210\u7247\u50cf\u7d20\u53c2\u4e0e\u4f18\u5316<\/p>\n

    \u7279\u70b9：\u517c\u987e\u901f\u5ea6\u4e0e\u50cf\u7d20\u5229\u7528\u7387，\u666e\u901a\u5f31\u7eb9\u7406\u53ef\u9002\u914d，\u7eaf\u767d\u65e0\u68af\u5ea6\u533a\u57df\u5931\u6548<\/p>\n

    （3）\u7a20\u5bc6\u76f4\u63a5\u6cd5<\/p>\n

    \u505a\u6cd5：\u4f7f\u7528\u56fe\u50cf\u5168\u90e8\u50cf\u7d20\u6784\u5efa\u5149\u5ea6\u8bef\u5dee<\/p>\n

    \u7279\u70b9：\u5f31\u7eb9\u7406\u9002\u914d\u6700\u5f3a，\u4f9d\u9760\u5168\u5c40\u50cf\u7d20\u5173\u8054\u63a8\u65ad\u8fd0\u52a8；\u8fd0\u7b97\u91cf\u5927\u3001\u5b9e\u65f6\u6027\u5dee<\/p>\n

    （4）\u5168\u5c40\u76f4\u63a5\u5bf9\u9f50 ECC<\/p>\n

    \u539f\u7406：\u6700\u5927\u5316\u5168\u5c40\u7070\u5ea6\u4e92\u76f8\u5173，\u5339\u914d\u6574\u5f20\u56fe\u7070\u5ea6\u53d8\u5316\u8d8b\u52bf，\u6c42\u89e3\u7edf\u4e00\u5168\u5c40\u53d8\u6362\u77e9\u9635<\/p>\n

    \u7279\u70b9：\u4e0d\u4f9d\u8d56\u5c40\u90e8\u7279\u5f81\u70b9，\u9002\u5408\u6574\u5f20\u56fe\u50cf\u6574\u4f53\u5bf9\u9f50；\u5927\u9762\u79ef\u5f31\u7eb9\u7406 + \u5149\u7167\u53d8\u5316\u6548\u679c\u4e0b\u964d<\/p>\n

    3. \u73b0\u4ee3\u6df1\u5ea6\u5b66\u4e60\u5bf9\u9f50\u65b9\u6cd5<\/p>\n

    （1）\u6df1\u5ea6\u7279\u5f81\u5339\u914d：SuperPoint+SuperGlue\u3001LoFTR<\/p>\n

    \u5f31\u7eb9\u7406\u3001\u5927\u89c6\u5dee\u3001\u906e\u6321\u573a\u666f\u5339\u914d\u80fd\u529b\u8fdc\u8d85\u4f20\u7edf\u7279\u5f81<\/p>\n

    （2）\u6df1\u5ea6\u5149\u6d41\u5bf9\u9f50<\/p>\n

    \u4ee3\u8868：RAFT\u3001PWC-Net\u3001RAFT<\/p>\n

    \u4ee3\u8868：PWC-Net\u3001RAFT，\u66ff\u4ee3\u4f20\u7edf LK，\u5927\u8fd0\u52a8\u3001\u5f31\u7eb9\u7406\u8ddf\u8e2a\u66f4\u7a33<\/p>\n

    （3）\u7aef\u5230\u7aef\u4f4d\u59ff\u5bf9\u9f50<\/p>\n

    DeepVO\u3001DPVO \u76f4\u63a5\u8f93\u5165\u524d\u540e\u5e27\u56de\u5f52\u76f8\u5bf9\u4f4d\u59ff，\u8df3\u8fc7\u4eba\u5de5\u5339\u914d\u6d41\u7a0b\u3002<\/p>\n

    \u4e3a\u4ec0\u4e48\u4f1a\u9700\u8981 Camera Model（\u76f8\u673a\u6a21\u578b）：\u56e0\u4e3a\u76f8\u673a\u62cd\u5230\u7684\u56fe\u50cf\u672c\u8d28\u662f 3D \u4e16\u754c\u6295\u5f71\u5230 2D\u56fe\u50cf，VO \/ SLAM \u5fc5\u987b\u77e5\u9053 3D \u70b9\u5982\u4f55\u53d8\u6210 2D \u50cf\u7d20，\u5426\u5219\u65e0\u6cd5\u4ece\u56fe\u50cf\u6062\u590d\u8fd0\u52a8\u3002<\/p>\n

    Pinhole Camera（\u5c0f\u5b54\u6210\u50cf\u6a21\u578b）：\u8fd9\u662f\u89c6\u89c9 SLAM \u6700\u57fa\u7840\u6a21\u578b，\u6838\u5fc3\u601d\u60f3\u662f\u5149\u7ebf\u7a7f\u8fc7\u4e00\u4e2a\u5c0f\u5b54\u6295\u5f71\u5230\u6210\u50cf\u5e73\u9762\u3002\u4e09\u7ef4\u70b9：P=(X,Y,Z)<\/p>\n

    \"\"<\/p>\n

    \u5176\u4e2d：fx\u3001fy \u8868\u793a\u7126\u8ddd；cx\u3001cy \u4e3b\u70b9；Z \u6df1\u5ea6\u3002<\/p>\n

    Intrinsics（\u76f8\u673a\u5185\u53c2）：\u76f8\u673a\u5982\u4f55\u628a 3D \u6620\u5c04\u5230\u50cf\u7d20\u5750\u6807\u3002<\/p>\n

    \"\"<\/p>\n

    Distortion（\u7578\u53d8）：\u771f\u5b9e\u955c\u5934\u5e76\u4e0d\u662f\u7406\u60f3 pinhole（\u9488\u5b54），\u56e0\u6b64\u4f1a\u4ea7\u751f\u7578\u53d8\u30021.Radial Distortion（\u5f84\u5411\u7578\u53d8），\u8868\u73b0\u4e3a\u56fe\u50cf\u8fb9\u7f18\u5f2f\u66f2，\u5305\u62ec：Barrel（\u6876\u5f62）Pincushion（\u6795\u5f62）\u30022.Tangential Distortion（\u5207\u5411\u7578\u53d8），\u955c\u5934\u5b89\u88c5\u4e0d\u5b8c\u5168\u5e73\u884c\u5bfc\u81f4\u3002\u4e3a\u4ec0\u4e48\u5fc5\u987b\u77eb\u6b63？\u56e0\u4e3a VO \/ SLAM \u6781\u5ea6\u4f9d\u8d56\u51e0\u4f55\u7cbe\u5ea6，\u7578\u53d8\u4f1a\u5bfc\u81f4：Projection Error\u3001Pose Error\u3001Tracking Error\u3002<\/p>\n

    Projection（\u6295\u5f71）：\u8fd9\u662f 3D \u2192 2D \u8fc7\u7a0b，\u5373 P=(X,Y,Z) \u53d8\u6210 p=(u,v)，\u6295\u5f71\u672c\u8d28\u662f\u76f8\u673a\u770b\u5230\u4e16\u754c\u3002<\/p>\n

    Back Projection（\u53cd\u6295\u5f71）：\u8fd9\u662f2D \u2192 3D \u8fc7\u7a0b，\u4f46\u662f\u5355\u4e2a\u50cf\u7d20\u65e0\u6cd5\u6062\u590d 3D，\u56e0\u4e3a\u7f3a\u5c11 Depth，\u6240\u4ee5\u5fc5\u987b\u50cf\u7d20+\u6df1\u5ea6\u4e09\u7ef4\u70b9，P=(p,d)\/\u03c0\u3002<\/p>\n

    DIrect VO \u7684 Warp \u672c\u8d28\u5c31\u662f\u00a0p\u2032=\u03c0(T(p,d)\/\u03c0)：1.\u5f53\u524d\u50cf\u7d20p\u53cd\u6295\u5f71\u5f97\u52303D\u70b9\u30022.\u76f8\u673a\u8fd0\u52a8T\u2208SE(3)\u30023.\u518d\u91cd\u65b0\u6295\u5f71\u5f97\u5230\u4e0b\u4e00\u5e27\u50cf\u7d20p\u2032\u3002<\/p>\n

    Reprojection Error（\u91cd\u6295\u5f71\u8bef\u5dee）：Feature-based SLAM \u6838\u5fc3 e=p\u2212p^，\u5373\u771f\u5b9e\u4f4d\u7f6e\u51cf\u53bb\u9884\u6d4b\u6295\u5f71\u4f4d\u7f6e\u3002\u5047\u8bbe\u6709 3D \u70b9\u548c\u76f8\u673a\u4f4d\u59ff，\u90a3\u4e48\u53ef\u4ee5\u9884\u6d4b\u8fd9\u4e2a 3D \u70b9\u5e94\u8be5\u6295\u5f71\u5230\u54ea\u91cc\u200b\u3002<\/p>\n

    Photometric Error（\u5149\u5ea6\u8bef\u5dee）：\u8fd9\u662f Direct SLAM \u7075\u9b42，\u4f8b\u5982：LSD-SLAM\u3001DSO\u3002\u672c\u8d28\u4e0d\u662f\u6bd4\u8f83\u70b9\u7684\u4f4d\u7f6e，\u800c\u662f\u6bd4\u8f83\u7070\u5ea6，\u5373E=I1\u200b(p)\u2212I2\u200b(p\u2032)\u3002\u6240\u4ee5 Feature-based \u4f18\u5316\u51e0\u4f55\u8bef\u5dee\u3001Direct Method \u4f18\u5316\u5149\u5ea6\u8bef\u5dee\u3002<\/p>\n

    SE(3)（Special Euclidean Group 3D）：\u73b0\u4ee3 SLAM \u6838\u5fc3，\u4e09\u7ef4\u7279\u6b8a\u6b27\u6c0f\u7fa4（\u65cb\u8f6c + \u5e73\u79fb），\u63cf\u8ff0\u4e09\u7ef4\u7a7a\u95f4\u521a\u4f53\u53d8\u6362\u3002<\/p>\n

    \"\"<\/p>\n

    SO(3)：\u4e09\u7ef4\u7279\u6b8a\u6b63\u4ea4\u7fa4（\u53ea\u8868\u793a\u65cb\u8f6c），\u662f\u6240\u6709\u65cb\u8f6c\u77e9\u9635\u96c6\u5408\u3002<\/p>\n

    Lie Algebra（\u674e\u4ee3\u6570）：\u8fd9\u662f\u73b0\u4ee3 SLAM \u6700\u5927\u95e8\u69db\u4e4b\u4e00\u3002\u4e3a\u4ec0\u4e48\u9700\u8981\u674e\u4ee3\u6570，\u56e0\u4e3a\u65cb\u8f6c\u77e9\u9635\u4e0d\u80fd\u76f4\u63a5\u52a0\u51cf\u3002\u4f18\u5316\u65f6\u4e0d\u80fd：R = R + dR，\u8fd9\u662f\u9519\u7684\u3002\u6b63\u786e\u505a\u6cd5\u662f\u4f7f\u7528 Lie Algebra \u8fdb\u884c\u5c0f\u6270\u52a8\u66f4\u65b0\u3002<\/p>\n

    \u4e3a\u4ec0\u4e48 Brightness Constancy \u4e0d\u6210\u7acb：\u771f\u5b9e\u76f8\u673a\u5b58\u5728 Auto Exposure\u3001Gamma\u3001Vignetting\u3001Sensor Response\u3001Motion Blur，\u56e0\u6b64\u5373\u4f7f\u540c\u4e00\u4e2a\u70b9，\u7070\u5ea6\u4e5f\u4f1a\u53d8\u5316，\u6240\u4ee5\u73b0\u4ee3 Direct VO \u4e0d\u518d\u5047\u8bbe\u00a0I1=I2，\u800c\u662fI2=aI 1+b，\u751a\u81f3\u66f4\u590d\u6742\u66dd\u5149\u6a21\u578b\u3002<\/p>\n

    Bundle Adjustment（BA）：\u89c6\u89c9\u4f18\u5316\u6838\u5fc3，\u672c\u8d28\u662f\u8054\u5408\u4f18\u5316 Camera Pose\u30013D Landmark \u4f7f\u6574\u4f53\u8bef\u5dee\u6700\u5c0f，\u4e0d\u662f\u5c40\u90e8\u4fee\u6b63，\u800c\u662f\u5168\u5c40\u8054\u5408\u4f18\u5316\u3002Feature-based \u6700\u5c0f\u5316 Reprojection Error\u3002Direct-based \u6700\u5c0f\u5316 Photometric Error\u3002<\/p>\n\n\u7c7b\u522bFeature-based SLAM（\u7279\u5f81\u6cd5）Direct SLAM（\u76f4\u63a5\u6cd5）Semi-Direct SLAM（\u534a\u76f4\u63a5\u6cd5）<\/tr>\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
    \u6838\u5fc3\u601d\u60f3<\/td>\n\u63d0\u53d6\u7279\u5f81\u70b9\u5e76\u5339\u914d<\/td>\n\u76f4\u63a5\u4f18\u5316\u50cf\u7d20\u7070\u5ea6<\/td>\n\u7279\u5f81 + \u7070\u5ea6\u6df7\u5408<\/td>\n<\/tr>\n
    \u4f18\u5316\u5bf9\u8c61<\/td>\nReprojection Error（\u91cd\u6295\u5f71\u8bef\u5dee）<\/td>\nPhotometric Error（\u5149\u5ea6\u8bef\u5dee）<\/td>\n\u4e24\u8005\u7ed3\u5408<\/td>\n<\/tr>\n
    \u4f7f\u7528\u5185\u5bb9<\/td>\nKeypoint + Descriptor<\/td>\nPixel Intensity（\u50cf\u7d20\u7070\u5ea6）<\/td>\nSparse Feature + Gray<\/td>\n<\/tr>\n
    \u662f\u5426\u9700\u8981 Descriptor<\/td>\n\u9700\u8981<\/td>\n\u4e0d\u9700\u8981<\/td>\n\u901a\u5e38\u53ea\u90e8\u5206\u9700\u8981<\/td>\n<\/tr>\n
    \u662f\u5426\u9700\u8981 Matching<\/td>\n\u9700\u8981<\/td>\n\u4e0d\u9700\u8981\u663e\u5f0f Matching<\/td>\n\u90e8\u5206\u9700\u8981<\/td>\n<\/tr>\n
    \u6570\u5b66\u6838\u5fc3<\/td>\n\u51e0\u4f55\u4f18\u5316<\/td>\n\u5149\u5ea6\u4f18\u5316<\/td>\n\u51e0\u4f55 + \u5149\u5ea6<\/td>\n<\/tr>\n
    \u672c\u8d28\u9a71\u52a8<\/td>\nGeometry-driven<\/td>\nPhotometric-driven<\/td>\nHybrid-driven<\/td>\n<\/tr>\n
    \u5178\u578b\u8bef\u5dee<\/td>\n|| p\u2212p^\u200b || \u5e73\u65b9<\/td>\n|| I1\u200b\u2212I2\u200b || \u5e73\u65b9<\/td>\n\u6df7\u5408\u8bef\u5dee<\/td>\n<\/tr>\n
    \u5bf9\u5149\u7167\u53d8\u5316<\/td>\n\u66f4\u9c81\u68d2<\/td>\n\u8f83\u654f\u611f<\/td>\n\u4e2d\u7b49<\/td>\n<\/tr>\n
    \u5bf9\u5f31\u7eb9\u7406\u533a\u57df<\/td>\n\u8f83\u5dee<\/td>\n\u66f4\u5f3a<\/td>\n\u4e2d\u7b49<\/td>\n<\/tr>\n
    \u5bf9\u8fd0\u52a8\u6a21\u7cca<\/td>\n\u8f83\u9c81\u68d2<\/td>\n\u8f83\u654f\u611f<\/td>\n\u4e2d\u7b49<\/td>\n<\/tr>\n
    \u5bf9\u521d\u59cb\u5316\u654f\u611f<\/td>\n\u8f83\u4f4e<\/td>\n\u5f88\u9ad8<\/td>\n\u4e2d\u7b49<\/td>\n<\/tr>\n
    \u662f\u5426\u4f9d\u8d56\u68af\u5ea6<\/td>\n\u95f4\u63a5\u4f9d\u8d56<\/td>\n\u5f3a\u4f9d\u8d56<\/td>\n\u90e8\u5206\u4f9d\u8d56<\/td>\n<\/tr>\n
    \u662f\u5426\u4f9d\u8d56\u89d2\u70b9<\/td>\n\u5f3a\u4f9d\u8d56<\/td>\n\u4e0d\u4e00\u5b9a<\/td>\n\u90e8\u5206\u4f9d\u8d56<\/td>\n<\/tr>\n
    \u662f\u5426\u9700\u8981\u9ad8\u7eb9\u7406<\/td>\n\u901a\u5e38\u9700\u8981<\/td>\n\u4e0d\u5b8c\u5168\u9700\u8981<\/td>\n\u4e2d\u7b49<\/td>\n<\/tr>\n
    \u7a00\u758f \/ \u7a20\u5bc6<\/td>\n\u7a00\u758f<\/td>\n\u7a00\u758f \/ \u534a\u7a20\u5bc6 \/ \u7a20\u5bc6<\/td>\n\u534a\u7a00\u758f<\/td>\n<\/tr>\n
    \u8ba1\u7b97\u91cf<\/td>\n\u4e2d\u7b49<\/td>\n\u8f83\u9ad8<\/td>\n\u4e2d\u7b49<\/td>\n<\/tr>\n
    \u5b9e\u65f6\u6027<\/td>\n\u8f83\u597d<\/td>\nDense \u8f83\u6162<\/td>\n\u5f88\u597d<\/td>\n<\/tr>\n
    \u6297\u5927\u4f4d\u79fb\u80fd\u529b<\/td>\n\u5f3a<\/td>\n\u5f31<\/td>\n\u4e2d\u7b49<\/td>\n<\/tr>\n
    \u4e9a\u50cf\u7d20\u7cbe\u5ea6<\/td>\n\u4e2d\u7b49<\/td>\n\u5f88\u9ad8<\/td>\n\u8f83\u9ad8<\/td>\n<\/tr>\n
    \u662f\u5426\u5bb9\u6613\u5c40\u90e8\u6700\u4f18<\/td>\n\u76f8\u5bf9\u4e0d\u5bb9\u6613<\/td>\n\u5bb9\u6613<\/td>\n\u4e2d\u7b49<\/td>\n<\/tr>\n
    \u662f\u5426\u9002\u5408\u52a8\u6001\u573a\u666f<\/td>\n\u66f4\u9002\u5408<\/td>\n\u8f83\u5dee<\/td>\n\u4e2d\u7b49<\/td>\n<\/tr>\n
    \u662f\u5426\u9002\u5408\u5f31\u7eb9\u7406<\/td>\n\u8f83\u5dee<\/td>\n\u66f4\u5f3a<\/td>\n\u4e2d\u7b49<\/td>\n<\/tr>\n
    \u662f\u5426\u9002\u5408\u4f4e\u7b97\u529b\u8bbe\u5907<\/td>\n\u8f83\u9002\u5408<\/td>\nDense \u4e0d\u9002\u5408<\/td>\n\u5f88\u9002\u5408<\/td>\n<\/tr>\n
    \u5730\u56fe\u8868\u793a<\/td>\nSparse Landmark<\/td>\nDense \/ Semi-Dense Map<\/td>\nSparse Map<\/td>\n<\/tr>\n
    BA \u4f18\u5316\u5bf9\u8c61<\/td>\nPose + Landmark<\/td>\nPose + Photometric<\/td>\nPose + Sparse Depth<\/td>\n<\/tr>\n
    \u5178\u578b\u7cfb\u7edf<\/td>\nORB-SLAM\u3001PTAM<\/td>\nLSD-SLAM\u3001DSO<\/td>\nSVO<\/td>\n<\/tr>\n
    \u5178\u578b\u524d\u7aef<\/td>\nORB\/SIFT\/SURF<\/td>\nDirect Alignment<\/td>\nFeature + Direct<\/td>\n<\/tr>\n
    \u5178\u578b\u4f18\u5316<\/td>\nBundle Adjustment<\/td>\nPhotometric BA<\/td>\nHybrid Optimization<\/td>\n<\/tr>\n
    \u4ee3\u8868\u6838\u5fc3\u516c\u5f0f<\/td>\ne=p\u2212p^\u200b<\/td>\nE=I1\u200b\u2212I2\u200b<\/td>\n\u6df7\u5408<\/td>\n<\/tr>\n
    \u5de5\u7a0b\u96be\u70b9<\/td>\n\u7279\u5f81\u7a33\u5b9a\u6027<\/td>\n\u5149\u7167\u3001\u521d\u59cb\u5316\u3001\u4f18\u5316\u7a33\u5b9a\u6027<\/td>\n\u7cfb\u7edf\u878d\u5408\u590d\u6742<\/td>\n<\/tr>\n
    \u73b0\u4ee3\u8d8b\u52bf<\/td>\n\u7a33\u5b9a\u6210\u719f<\/td>\n\u7cbe\u5ea6\u9ad8\u3001\u7406\u8bba\u4f18\u96c5<\/td>\n\u5de5\u7a0b\u5b9e\u7528\u6027\u5f3a<\/td>\n<\/tr>\n
    \u9002\u5408\u521d\u5b66\u8005<\/td>\n\u6700\u9002\u5408<\/td>\n\u6570\u5b66\u95e8\u69db\u9ad8<\/td>\n\u4e2d\u7b49<\/td>\n<\/tr>\n
    \u672c\u8d28\u533a\u522b<\/td>\n\u4f18\u5316\u51e0\u4f55\u5bf9\u5e94\u5173\u7cfb<\/td>\n\u4f18\u5316\u7070\u5ea6\u4e00\u81f4\u6027<\/td>\n\u540c\u65f6\u5229\u7528\u4e24\u8005<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

    \u4e09\u3001\u57fa\u4e8e\u6df1\u5ea6\u5b66\u4e60\u7684\u65b9\u6cd5<\/h2>\n

    Feature-based \u95ee\u9898：\u5f31\u7eb9\u7406\u56f0\u96be\u3001\u5149\u7167\u654f\u611f\u3001\u91cd\u590d\u7eb9\u7406\u5bb9\u6613\u8bef\u5339\u914d\u3002<\/p>\n

    Direct Method \u95ee\u9898：\u5149\u7167\u654f\u611f\u3001\u521d\u59cb\u5316\u654f\u611f\u3001\u52a8\u6001\u573a\u666f\u56f0\u96be\u3002<\/p>\n

    \u6838\u5fc3\u601d\u60f3：\u5229\u7528 CNN \u81ea\u52a8\u5b66\u4e60\u54ea\u4e9b\u70b9\u7a33\u5b9a\u3001\u54ea\u4e9b descriptor \u66f4\u9002\u5408\u5339\u914d；\u8ba9 feature \u5bf9\u65cb\u8f6c\u3001\u5c3a\u5ea6\u3001\u5149\u7167\u3001\u6a21\u7cca\u66f4\u52a0\u9c81\u68d2\u3002<\/p>\n

    \u6df1\u5ea6\u5b66\u4e60\u7279\u5f81\u63d0\u53d6\u5668：<\/p>\n\n\u65b9\u6cd5\u6838\u5fc3\u5b9a\u4f4d\u4e00\u53e5\u8bdd\u7279\u70b9<\/tr>\n\n\n\n\n\n
    SuperPoint<\/td>\nLearned Keypoint + Descriptor<\/td>\n\u7aef\u5230\u7aef\u5b66\u4e60\u7684\u89d2\u70b9\u68c0\u6d4b + \u63cf\u8ff0\u5b50，\u662f\u6df1\u5ea6\u5b66\u4e60\u7279\u5f81\u7684 \u201c\u6807\u914d\u201d，\u5e38\u548c SuperGlue \u642d\u914d\u4f7f\u7528\u3002<\/td>\n<\/tr>\n
    DISK<\/td>\n\u53ef\u5b66\u4e60\u7279\u5f81<\/td>\n\u8f7b\u91cf\u9ad8\u6548\u7684\u53ef\u5b66\u4e60\u5c40\u90e8\u7279\u5f81，\u517c\u987e\u7cbe\u5ea6\u548c\u901f\u5ea6，\u9002\u5408\u5b9e\u65f6\u573a\u666f\u3002<\/td>\n<\/tr>\n
    R2D2<\/td>\nReliability-aware feature<\/td>\n\u5e26 \u201c\u53ef\u9760\u6027\u611f\u77e5\u201d \u7684\u9c81\u68d2\u7279\u5f81，\u80fd\u9884\u6d4b\u7279\u5f81\u8d28\u91cf，\u8fc7\u6ee4\u4f4e\u8d28\u91cf\u70b9，\u6297\u5e72\u6270\u66f4\u5f3a\u3002<\/td>\n<\/tr>\n
    D2-Net<\/td>\nDense CNN Feature<\/td>\n\u5bc6\u96c6 CNN \u7279\u5f81，\u4e0d\u4f9d\u8d56\u7a00\u758f\u5173\u952e\u70b9，\u76f4\u63a5\u5728\u7279\u5f81\u56fe\u4e0a\u505a\u5339\u914d，\u5f31\u7eb9\u7406\u573a\u666f\u66f4\u7a33\u3002<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

    \u6df1\u5ea6\u5b66\u4e60\u5339\u914d \/ \u5149\u6d41\u65b9\u6cd5（\u505a\u5bf9\u5e94\u5173\u7cfb）：<\/p>\n\n\u65b9\u6cd5\u6838\u5fc3\u5b9a\u4f4d\u4e00\u53e5\u8bdd\u7279\u70b9<\/tr>\n\n\n\n\n
    SuperGlue<\/td>\nLearned matching<\/td>\n\u57fa\u4e8e Transformer \u7684\u53ef\u5b66\u4e60\u5339\u914d\u5668，\u4e13\u95e8\u7ed9 SuperPoint \u8fd9\u7c7b\u7279\u5f81\u505a \u201c\u7cbe\u51c6\u914d\u5bf9\u201d，\u6297\u8bef\u5339\u914d\u80fd\u529b\u6781\u5f3a\u3002<\/td>\n<\/tr>\n
    LoFTR<\/td>\nDense matching<\/td>\n\u65e0\u5173\u952e\u70b9\u7684\u5bc6\u96c6\u5339\u914d，\u7528 Transformer \u76f4\u63a5\u5728\u7279\u5f81\u56fe\u4e0a\u5efa\u7acb\u5bf9\u5e94，\u89c6\u89d2\u53d8\u5316\u5927\u65f6\u8868\u73b0\u5f88\u597d\u3002<\/td>\n<\/tr>\n
    RAFT<\/td>\nOptical flow<\/td>\n\u57fa\u4e8e\u5faa\u73af\u8fed\u4ee3\u7684\u5149\u6d41\u4f30\u8ba1，\u7cbe\u5ea6\u9ad8\u3001\u9c81\u68d2\u6027\u5f3a，\u662f\u6df1\u5ea6\u5b66\u4e60\u5149\u6d41\u7684\u6807\u6746\u65b9\u6cd5\u3002<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

    \u7aef\u5230\u7aef\u6df1\u5ea6 SLAM\/VO（\u76f4\u63a5\u8f93\u51fa\u4f4d\u59ff）：<\/p>\n\n\u65b9\u6cd5\u6838\u5fc3\u5b9a\u4f4d\u4e00\u53e5\u8bdd\u7279\u70b9<\/tr>\n\n\n\n
    DROID-SLAM<\/td>\nDeep SLAM<\/td>\n\u7aef\u5230\u7aef\u7684\u6df1\u5ea6 SLAM，\u7528\u6df1\u5ea6\u5b66\u4e60\u505a\u524d\u7aef\u5339\u914d + \u540e\u7aef\u4f18\u5316，\u5355\u76ee\u4e5f\u80fd\u5b9e\u73b0\u7a33\u5b9a\u7684\u4e09\u7ef4\u91cd\u5efa\u3002<\/td>\n<\/tr>\n
    DPVO<\/td>\nDeep VO<\/td>\n\u57fa\u4e8e\u5149\u6d41\u7684\u6df1\u5ea6\u89c6\u89c9\u91cc\u7a0b\u8ba1，\u76f4\u63a5\u4f30\u8ba1\u76f8\u673a\u8fd0\u52a8，\u5728\u5feb\u901f\u8fd0\u52a8\u3001\u5f31\u7eb9\u7406\u573a\u666f\u8868\u73b0\u8fdc\u8d85\u4f20\u7edf VO\u3002<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

    \u4f18\u70b9：<\/p>\n

    \u6781\u5f3a\u7684\u9c81\u68d2\u6027\u4e0e\u8bed\u4e49\u7406\u89e3：\u7f51\u7edc\u4e0d\u4ec5\u80fd\u770b\u68af\u5ea6，\u8fd8\u80fd\u7406\u89e3\u201c\u8fd9\u662f\u4e00\u5f20\u684c\u5b50，\u90a3\u662f\u4e00\u5835\u5899\u201d\u3002\u5bf9\u6781\u7aef\u5149\u7167\u53d8\u5316（\u767d\u5929\u5230\u9ed1\u591c）\u3001\u5267\u70c8\u52a8\u6001\u6a21\u7cca\u3001\u5927\u8303\u56f4\u89c6\u89d2\u66f4\u8fed\u5177\u5907\u4f20\u7edf\u7b97\u6cd5\u65e0\u6cd5\u6bd4\u62df\u7684\u9c81\u68d2\u6027\u3002<\/p>\n

    \u6446\u8131\u4eba\u5de5\u5047\u8bbe：\u4e0d\u9700\u8981\u751f\u642c\u786c\u5957\u201c\u4eae\u5ea6\u6052\u5b9a\u201d\u6216\u201c\u51e0\u4f55\u521a\u6027\u201d\u7b49\u5047\u8bbe，\u901a\u8fc7\u6570\u636e\u89c4\u5f8b\u81ea\u9002\u5e94\u62df\u5408\u590d\u6742\u9000\u5316\u573a\u666f\u3002<\/p>\n

    \u7cbe\u5ea6\u4e0a\u9650\u9ad8：\u5728\u5b66\u4e60\u4e86\u6d77\u91cf\u573a\u666f\u5148\u9a8c\u540e，\u5728\u7279\u5b9a\u6216\u590d\u6742\u73af\u5883\u4e0b\u7684\u914d\u51c6\u7cbe\u5ea6\u5f80\u5f80\u80fd\u8d85\u8d8a\u4f20\u7edf\u65b9\u6cd5\u3002<\/p>\n

    \u7f3a\u70b9：<\/p>\n

    \u7b97\u529b\u4e0e\u529f\u8017\u8981\u6c42\u9ad8：\u9700\u8981\u5f3a\u5927\u7684 GPU \u7b97\u529b\u652f\u6301，\u5728\u5d4c\u5165\u5f0f\u8bbe\u5907（\u5982\u5c0f\u578b\u65e0\u4eba\u673a\u3001\u5fae\u578b\u4f20\u611f\u5668）\u4e0a\u843d\u5730\u5b58\u5728\u4e25\u91cd\u7684\u5b9e\u65f6\u6027\u6311\u6218\u3002<\/p>\n

    \u6cdb\u5316\u80fd\u529b（Generalization）\u53d7\u9650：\u5728\u8bad\u7ec3\u96c6\u7c7b\u4f3c\u7684\u573a\u666f\u8868\u73b0\u60ca\u8273，\u4f46\u4e00\u65e6\u8fdb\u5165\u5168\u65b0\u7684\u201c\u672a\u77e5\u9886\u57df\u201d（Out-of-Distribution），\u7f51\u7edc\u53ef\u80fd\u4ea7\u751f\u96be\u4ee5\u9884\u6d4b\u7684\u79bb\u5947\u6f02\u79fb\u3002<\/p>\n

    \u53ef\u89e3\u91ca\u6027\u5dee（\u9ed1\u76d2\u6a21\u578b）：\u7531\u4e8e\u7f3a\u4e4f\u4e25\u8c28\u7684\u51e0\u4f55\u6570\u7406\u63a8\u5bfc，\u7cfb\u7edf\u51fa\u9519\u65f6\u5f88\u96be\u8fdb\u884c\u5c40\u90e8 debug \u6216\u7ed9\u51fa\u7f6e\u4fe1\u5ea6\u4e0a\u9650\u3002<\/p>\n

    1. SuperPoint<\/h3>\n

    \u6df1\u5ea6\u5b66\u4e60\u5c40\u90e8\u7279\u5f81\u3002SIFT\u3001ORB\u3001AKAZE\u5168\u90fd\u662f\u4eba\u624b\u5de5\u8bbe\u8ba1\u89c4\u5219，SuperPoint\u7b2c\u4e00\u6b21\u8ba9\u7f51\u7edc\u81ea\u5df1\u5b66\u4e60\u4ec0\u4e48\u70b9\u7a33\u5b9a\u3001\u4ec0\u4e48\u63cf\u8ff0\u6700\u597d，\u672c\u8d28\u662f\u7528\u795e\u7ecf\u7f51\u7edc\u540c\u65f6\u5b66\u4e60\u5173\u952e\u70b9+\u63cf\u8ff0\u5b50\u3002<\/p>\n

    \u4f20\u7edf\u7279\u5f81\u672c\u8d28\u9760\u4eba\u5de5\u89c4\u5219，\u5982\u68af\u5ea6\u3001\u89d2\u70b9\u3001Hessian\u3001\u7070\u5ea6\u5dee，\u800cSuperPoint\u76f4\u63a5\u4ece\u5927\u91cf\u6570\u636e\u4e2d\u5b66\u4e60\u4ec0\u4e48\u7279\u5f81\u6700\u7a33\u5b9a，\u56e0\u6b64，\u5b83\u5bf9\u5149\u7167\u53d8\u5316\u3001\u5f31\u7eb9\u7406\u3001\u6a21\u7cca\u3001\u590d\u6742\u89c6\u89d2\u901a\u5e38\u66f4\u7a33\u5b9a\u3002<\/p>\n

    \u672c\u8d28\u7ed3\u6784：\u8f93\u5165Image，\u7f51\u7edc\u8f93\u51faHeatmap（\u5173\u952e\u70b9\u6982\u7387）\u3001Descriptor Map（\u63cf\u8ff0\u5b50），\u5373Detector + Descriptor\u540c\u65f6\u8f93\u51fa\u3002<\/p>\n

    \u4f20\u7edfORB：FAST + BRIEF；\u800cSuperPoint：CNN + CNN（\u7f51\u7edc\u81ea\u5df1\u5b66\u54ea\u4e9b\u4f4d\u7f6e\u9002\u5408\u505a\u5173\u952e\u70b9\u3001\u5982\u4f55\u63cf\u8ff0\u5c40\u90e8\u7eb9\u7406）\u3002<\/p>\n

    \u6574\u4f53\u6d41\u7a0b：<\/p>\n

    1. \u8f93\u5165\u56fe\u50cf：\u8f93\u5165\u5355\u5f20\u7070\u5ea6\u56fe\u50cf（\u5c3a\u5bf8\u4efb\u610f，\u901a\u5e38\u7f29\u653e\u5230\u6a21\u578b\u9884\u8bbe\u5c3a\u5bf8）\u3002<\/p>\n

    2. CNN Backbone（\u4e3b\u5e72\u7f16\u7801\u5668）：\u91c7\u7528\u7c7b VGG \u98ce\u683c\u7684\u5377\u79ef\u7f51\u7edc，\u901a\u8fc7\u5377\u79ef + \u6c60\u5316\u63d0\u53d6\u9ad8\u7ef4\u7279\u5f81\u3002\u6700\u7ec8\u8f93\u51fa：\u5206\u8fa8\u7387\u4e3a\u539f\u56fe 1\/8 \u7684\u7279\u5f81\u56fe（\u8f93\u5165 H\u00d7W \u2192 \u8f93\u51fa H\/8 \u00d7 W\/8 \u00d7 C）\u3002<\/p>\n

    3. \u53cc\u5206\u652f\u8f93\u51fa\u5934：<\/p>\n

    3.1 Detector Head（\u5173\u952e\u70b9\u68c0\u6d4b\u5934）：\u5bf9\u4e3b\u5e72\u7279\u5f81\u56fe\u505a\u5377\u79ef，\u751f\u6210\u5173\u952e\u70b9\u6982\u7387\u56fe（Heatmap）\u3002\u8f93\u51fa\u7ef4\u5ea6：H\/8 \u00d7 W\/8 \u00d7 65（65 = 8\u00d78 \u7f51\u683c\u5185 64 \u4e2a\u5019\u9009\u4f4d\u7f6e + 1 \u4e2a\u65e0\u7279\u5f81\u70b9\u80cc\u666f\u901a\u9053）\u3002<\/p>\n

    3.2 Descriptor Head（\u63cf\u8ff0\u5b50\u5934）：\u5bf9\u4e3b\u5e72\u7279\u5f81\u56fe\u505a\u5377\u79ef，\u751f\u6210\u7a20\u5bc6\u63cf\u8ff0\u5b50\u56fe（Dense Descriptor Map）\u3002（\u8f93\u51fa\u7ef4\u5ea6：H\/8 \u00d7 W\/8 \u00d7 256，\u6bcf\u4e2a\u50cf\u7d20\u4f4d\u7f6e\u5bf9\u5e94\u4e00\u4e2a 256 \u7ef4\u63cf\u8ff0\u5411\u91cf，\u7528\u4e8e\u540e\u7eed\u7279\u5f81\u5339\u914d）\u3002<\/p>\n

    4. NMS \u975e\u6781\u5927\u503c\u6291\u5236：\u4ece\u6982\u7387\u56fe\u4e2d\u63d0\u53d6\u5019\u9009\u5173\u952e\u70b9，\u4fdd\u7559\u5c40\u90e8\u54cd\u5e94\u6700\u5f3a\u7684\u70b9，\u53bb\u9664\u5c40\u90e8\u91cd\u590d\u54cd\u5e94\u3002\u8f93\u51fa：\u4e00\u7ec4\u7a00\u758f\u3001\u9ad8\u7cbe\u5ea6\u5173\u952e\u70b9\u5750\u6807\u3002<\/p>\n

    5. \u63d0\u53d6\u5bf9\u5e94\u63cf\u8ff0\u5b50：\u6839\u636e\u5173\u952e\u70b9\u5750\u6807，\u5728\u7a20\u5bc6\u63cf\u8ff0\u5b50\u56fe\u4e0a\u53cc\u7ebf\u6027\u63d2\u503c（\u7531\u4e8e\u5173\u952e\u70b9\u5750\u6807\u901a\u5e38\u4e0d\u662f\u6574\u6570\u4f4d\u7f6e，\u56e0\u6b64 Dense Descriptor Map \u9700\u8981\u4f7f\u7528 Bilinear Interpolation（\u53cc\u7ebf\u6027\u63d2\u503c）\u4ece\u90bb\u8fd1\u56db\u4e2a\u70b9，\u8ba1\u7b97\u5f53\u524d\u5173\u952e\u70b9\u7684 descriptor\u3002\u8fd9\u6837，descriptor \u66f4\u5e73\u6ed1\u3001\u66f4\u7a33\u5b9a）\u5f97\u5230\u6bcf\u4e2a\u5173\u952e\u70b9\u7684 256 \u7ef4\u63cf\u8ff0\u5b50，\u5e76\u505a L2 \u5f52\u4e00\u5316\u3002<\/p>\n

    6. \u63cf\u8ff0\u5b50\u5339\u914d：\u5bf9\u4e24\u5e45\u56fe\u50cf\u63d0\u53d6\u7684\u63cf\u8ff0\u5b50\u8fdb\u884c\u6700\u8fd1\u90bb\u5339\u914d \/ \u6bd4\u7387\u6d4b\u8bd5，\u5f97\u5230\u521d\u59cb\u5339\u914d\u70b9\u5bf9\u3002<\/p>\n

    7. RANSAC \u5254\u9664\u8bef\u5339\u914d：\u4f7f\u7528 RANSAC \u4f30\u8ba1\u51e0\u4f55\u6a21\u578b，\u81ea\u52a8\u5254\u9664\u5916\u70b9\u3002<\/p>\n

    8. \u8f93\u51fa\u6700\u7ec8\u53d8\u6362：\u8f93\u51fa\u5355\u5e94\u77e9\u9635 H，\u5b8c\u6210\u56fe\u50cf\u914d\u51c6\u3002<\/p>\n

    \u76f8\u5173\u6982\u5ff5：<\/p>\n

    CNN（Convolutional Neural Network，\u5377\u79ef\u795e\u7ecf\u7f51\u7edc） \u662f\u4e00\u7c7b\u4e13\u95e8\u7528\u4e8e\u5904\u7406\u7f51\u683c\u72b6\u6570\u636e（\u5982\u56fe\u50cf\u3001\u89c6\u9891\u3001\u65f6\u5e8f\u4fe1\u53f7）\u7684\u6df1\u5ea6\u5b66\u4e60\u6a21\u578b\u3002\u5b83\u7684\u6838\u5fc3\u7279\u70b9\u662f\u5229\u7528\u5377\u79ef\u8fd0\u7b97\u81ea\u52a8\u63d0\u53d6\u5c40\u90e8\u7279\u5f81（\u5982\u8fb9\u7f18\u3001\u7eb9\u7406\u3001\u5f62\u72b6），\u5e76\u901a\u8fc7\u53c2\u6570\u5171\u4eab\u548c\u7a00\u758f\u8fde\u63a5\u5927\u5e45\u51cf\u5c11\u8ba1\u7b97\u91cf\u3002<\/p>\n

    SuperPoint \u662f Fully Convolutional Network（\u5168\u5377\u79ef\u7f51\u7edc）：\u610f\u601d\u662f\u7f51\u7edc\u4e2d\u53ea\u6709：Convolution（\u5377\u79ef）Pooling（\u6c60\u5316），\u6ca1\u6709Fully Connected Layer（\u5168\u8fde\u5c42），\u56e0\u6b64\u8f93\u5165\u56fe\u50cf\u5c3a\u5bf8\u53ef\u4ee5\u53d8\u5316，\u56e0\u4e3a\u8f93\u51faFeature Map（\u7279\u5f81\u56fe）\u4f1a\u81ea\u52a8\u540c\u6bd4\u7f29\u653e\u3002<\/p>\n

    Detechtor Head\u00a0：\u8f93\u51fa\u6bcf\u4e2a\u4f4d\u7f6e\u662f\u5173\u952e\u70b9\u7684\u6982\u7387，\u7f51\u7edc\u81ea\u5df1\u5b66\u4e60\u54ea\u4e9b\u70b9\u7a33\u5b9a\u3001\u53ef\u91cd\u590d\u3002<\/p>\n

    Cell\/Grid（\u7f51\u683c\u5355\u5143）\u601d\u60f3：\u7531\u4e8eBackbone（\u4e3b\u5e72\u7f51\u7edc）\u7ecf\u8fc7Pooling（\u6c60\u5316）\u548cStride（\u6b65\u957f\u4e0b\u91c7\u6837），\u6700\u7ec8\u539f\u56fe：H \u00d7 W，\u7279\u5f81\u56fe：H\/8 \u00d7 W\/8\u3002\u6240\u4ee5\u7279\u5f81\u56fe\u4e0a\u4e00\u4e2a\u50cf\u7d20，\u5bf9\u5e94\u539f\u56fe8 \u00d7 8 \u533a\u57df，\u56e0\u6b64Detector Head\u5e76\u4e0d\u662f\u68c0\u6d4b\u8fd9\u4e2a\u50cf\u7d20\u662f\u4e0d\u662f\u5173\u952e\u70b9，\u800c\u662f\u8fd9\u4e2a 8\u00d78 Cell（\u7f51\u683c\u5355\u5143）\u5185\u54ea\u4e2a\u4f4d\u7f6e\u662f\u5173\u952e\u70b9\u3002\u8fd9\u4e5f\u662f65=64+1\u7684\u6765\u6e90\u3002<\/p>\n

    Softmax（\u5f52\u4e00\u5316\u6982\u7387）：Detector Head \u8f93\u51fa\u540e\u9700\u8981\u505aSoftmax（\u6982\u7387\u5f52\u4e00\u5316），\u5c0665\u4e2a\u901a\u9053\u8f6c\u6362\u6210\u6240\u6709\u4f4d\u7f6e\u6982\u7387\u548c=1，\u5373\u7f51\u7edc\u9884\u6d4b\u8fd9\u4e2aCell\u5185\u6700\u53ef\u80fd\u51fa\u73b0\u5173\u952e\u70b9\u7684\u4f4d\u7f6e\u3002<\/p>\n

    Background Channel（\u80cc\u666f\u901a\u9053）：Detector Head \u8f93\u51faH\/8 \u00d7 W\/8 \u00d7 65，\u5176\u4e2d\u524d64\u4e2a\u901a\u9053\u8868\u793a8*8\u7f51\u683c\u4e2d64\u4e2a\u5019\u9009\u4f4d\u7f6e，\u7b2c65\u4e2a\u901a\u9053\u8868\u793aBackground（\u80cc\u666f），\u76f8\u5f53\u4e8e\u4e00\u4e2a\u5783\u573e\u6876，\u8ba9\u7f51\u7edc\u53ef\u4ee5\u9009\u62e9\u8fd9\u4e2a cell \u91cc\u4e0d\u8f93\u51fa\u4efb\u4f55\u5173\u952e\u70b9\u3002<\/p>\n

    Descriptor Head：\u8f93\u51fa\u6bcf\u4e2a\u50cf\u7d20\u4f4d\u7f6e\u5bf9\u5e94\u4e00\u4e2a\u9ad8\u7ef4\u5411\u91cf，\u4f8b\u5982256\u7ef4\u63cf\u8ff0\u5b50，\u4e4b\u540e\u5728\u5173\u952e\u70b9\u4f4d\u7f6e\u76f4\u63a5\u53d6\u5bf9\u5e94descriptor\u7528\u4e8e\u5339\u914d\u3002<\/p>\n

    Dense Descriptor（\u7a20\u5bc6\u63cf\u8ff0\u5b50）：\u4f20\u7edf\u7279\u5f81\u5148\u68c0\u6d4b\u5173\u952e\u70b9，\u518d\u8ba1\u7b97\u63cf\u8ff0\u5b50\u3002\u800cSuperPoint\u4e00\u6b21\u6027\u8ba1\u7b97\u6574\u5f20\u56fe\u6240\u6709\u63cf\u8ff0\u5b50，\u7f51\u7edc\u76f4\u63a5\u8f93\u51faH\/8 \u00d7 W\/8 \u00d7 256，\u540e\u9762\u53ea\u9700\u8981\u5728\u5173\u952e\u70b9\u4f4d\u7f6eSampling（\u91c7\u6837）\u5373\u53ef\u3002<\/p>\n

    \u8bad\u7ec3\u601d\u60f3：1.MagicPoint：\u5148\u5408\u6210\u51e0\u4f55\u56fe\u5f62，\u4f8b\u5982：\u7ebf\u3001\u89d2\u3001\u4e09\u89d2\u5f62，\u8bad\u7ec3\u89d2\u70b9\u68c0\u6d4b\u30022.Homographic Adaptation：\u5bf9\u771f\u5b9e\u56fe\u50cf\u4e0d\u65ad\u505aHomography\u53d8\u6362，\u5b66\u4e60\u54ea\u4e9b\u70b9\u5728\u53d8\u6362\u540e\u4ecd\u7a33\u5b9a\u3002<\/p>\n

    SuperPoint Descriptor：\u901a\u5e38256\u7ef4\u6d6e\u70b9\u5411\u91cf，\u5339\u914d\u4e00\u822c\u4f7f\u7528L2\u8ddd\u79bb\u3002<\/p>\n

    Repeatability（\u53ef\u91cd\u590d\u6027）：SuperPoint \u771f\u6b63\u4f18\u5316\u7684\u662f\u91cd\u590d\u68c0\u6d4b\u80fd\u529b，\u610f\u601d\u662f\u540c\u4e00\u4e2a\u7269\u7406\u70b9，\u5728\u4e0d\u540c\u5149\u7167\u3001\u89c6\u89d2\u3001\u5c3a\u5ea6\u3001\u6a21\u7cca\u60c5\u51b5\u4e0b\u8fd8\u80fd\u518d\u6b21\u88ab\u68c0\u6d4b\u51fa\u6765\u3002<\/p>\n

    SuperPoint \u7684\u5c40\u9650\u6027：1.\u5927\u89c6\u89d2\u53d8\u5316\u4ecd\u6709\u9650，\u56e0\u4e3a\u4ecd\u7136\u5c5e\u4e8eLocal Feature（\u5c40\u90e8\u7279\u5f81）\u30022.\u91cd\u590d\u7eb9\u7406\u5bb9\u6613\u8bef\u5339\u914d，\u4f8b\u5982：\u7a97\u6237\u3001\u5730\u7816\u3001\u6805\u680f\u30023.\u5f31\u7eb9\u7406\u533a\u57df\u4ecd\u56f0\u96be，\u4f8b\u5982\u767d\u5899\u3001\u5929\u7a7a\u30024.\u63cf\u8ff0\u5b50\u7ef4\u5ea6\u9ad8，\u8ba1\u7b97\u548c\u5185\u5b58\u66f4\u5927\u3002<\/p>\n

    SuperGlue：SuperPoint\u8d1f\u8d23\u68c0\u6d4b\u548c\u63cf\u8ff0，SuperGlue\u8d1f\u8d23Learned Matching（\u5b66\u4e60\u5339\u914d），\u4f7f\u7528Graph Neural Network（\u56fe\u795e\u7ecf\u7f51\u7edc）\u3001Attention（\u6ce8\u610f\u529b\u673a\u5236）\u5b66\u4e60\u54ea\u4e9b\u70b9\u5e94\u8be5\u5339\u914d\u3002\u4f20\u7edf\u5339\u914d（BFMatcher\u3001FLANN）\u53ea\u770b：\u63cf\u8ff0\u5b50\u50cf\u4e0d\u50cf\u3002SuperGlue \u770b\u4e09\u6837\u4e1c\u897f：1.\u63cf\u8ff0\u5b50\u76f8\u4f3c\u5ea6（\u50cf\u4e0d\u50cf）\u30022.\u5173\u952e\u70b9\u5750\u6807\u4f4d\u7f6e（\u5728\u54ea）\u30023.\u6574\u5f20\u56fe\u7684\u4e0a\u4e0b\u6587\u7ed3\u6784（\u573a\u666f\u5e03\u5c40）\u3002\u7528 Transformer \u505a\u5168\u5c40\u63a8\u7406（\u76f8\u5f53\u4e8e \u201c\u7406\u89e3\u573a\u666f\u201d），\u51e0\u4e4e\u4e0d\u4f1a\u9519\u5339\u914d\u3002<\/p>\n

    Deep Feature + Classical Geometry（\u6df1\u5ea6\u7279\u5f81 + \u4f20\u7edf\u51e0\u4f55）：SuperPoint\u53ea\u5b66\u4e60\u7279\u5f81\u70b9\u548c\u63cf\u8ff0\u5b50，\u4f46\u540e\u9762\u5339\u914d RANSAC\u3001Homography \u4ecd\u7136\u662fClassical Geometry（\u4f20\u7edf\u51e0\u4f55）\u3002<\/p>\n

    Grayscale Image（\u7070\u5ea6\u56fe\u50cf）：SuperPoint \u901a\u5e38\u8f93\u5165 Grayscale Image，\u56e0\u4e3a\u5c40\u90e8\u7279\u5f81\u66f4\u5173\u6ce8\u8fb9\u7f18\u3001\u68af\u5ea6\u3001\u51e0\u4f55\u7ed3\u6784，\u800c\u4e0d\u662f\u989c\u8272\u8bed\u4e49\u3002<\/p>\n\n\u4f20\u7edf ORBSuperPoint<\/tr>\n\n\n\n\n\n\n
    FAST<\/td>\nDetector Head<\/td>\n<\/tr>\n
    BRIEF<\/td>\nDescriptor Head<\/td>\n<\/tr>\n
    detect()<\/td>\nHeatmap<\/td>\n<\/tr>\n
    compute()<\/td>\nDescriptor Map<\/td>\n<\/tr>\n
    \u4eba\u5de5\u89c4\u5219<\/td>\n\u795e\u7ecf\u7f51\u7edc\u5b66\u4e60<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

    2. SuperGlue<\/h3>\n

    \u6df1\u5ea6\u5b66\u4e60\u7279\u5f81\u5339\u914d\u7f51\u7edc，\u8f93\u5165\u4e24\u5f20\u56fe\u7684\u5173\u952e\u70b9 + \u63cf\u8ff0\u5b50（\u901a\u5e38\u6765\u81ea SuperPoint），\u8f93\u51fa\u7cbe\u51c6\u5339\u914d + \u81ea\u52a8\u5254\u9664\u9519\u8bef\u5339\u914d，\u5c24\u5176\u5728\u91cd\u590d\u7eb9\u7406（\u5899\u3001\u5730\u9762）\u3001\u5149\u7167\u53d8\u5316\u3001\u5927\u89c6\u89d2\u53d8\u5316\u3001\u906e\u6321\u3002<\/p>\n

    \u4f20\u7edf\u5339\u914d（BFMatcher\u3001FLANN）：\u53ea\u770b\u63cf\u8ff0\u5b50\u8ddd\u79bb\u3001\u6ca1\u6709\u5168\u5c40\u4e0a\u4e0b\u6587\u3001\u91cd\u590d\u7eb9\u7406\u5fc5\u4e71\u914d\u3001\u5fc5\u987b\u624b\u52a8 RANSAC \u7b5b\u5916\u70b9\u3002<\/p>\n

    SuperGlue：\u4f7f\u7528Graph Neural Network（\u56fe\u795e\u7ecf\u7f51\u7edc）\u3001Attention（\u6ce8\u610f\u529b\u673a\u5236）\u5b66\u4e60\u54ea\u4e9b\u70b9\u5e94\u8be5\u5339\u914d\u3002SuperGlue \u770b\u4e09\u6837\u4e1c\u897f：1.\u63cf\u8ff0\u5b50\u76f8\u4f3c\u5ea6（\u50cf\u4e0d\u50cf）\u30022.\u5173\u952e\u70b9\u5750\u6807\u4f4d\u7f6e（\u5728\u54ea）\u30023.\u6574\u5f20\u56fe\u7684\u4e0a\u4e0b\u6587\u7ed3\u6784（\u573a\u666f\u5e03\u5c40）\u3002\u7528 Transformer \u505a\u5168\u5c40\u63a8\u7406（\u76f8\u5f53\u4e8e \u201c\u7406\u89e3\u573a\u666f\u201d），\u51e0\u4e4e\u4e0d\u4f1a\u9519\u5339\u914d\u3002<\/p>\n

    SuperGlue \u53ea\u6709\u4e24\u5927\u5757：1.Attentional Graph Neural Network（\u6ce8\u610f\u529b GNN）\u30022.Optimal Matching Layer（\u6700\u4f18\u5339\u914d\u5c42，Sinkhorn）\u3002<\/p>\n

    \"\"<\/p>\n

    \"\"<\/p>\n

    \u6574\u4f53\u6d41\u7a0b：\u5173\u952e\u70b9 + \u63cf\u8ff0\u5b50 \u2192 \u7279\u5f81\u7f16\u7801 \u2192 \u591a\u5934\u81ea\u6ce8\u610f\u529b + \u4ea4\u53c9\u6ce8\u610f\u529b \u2192 \u5339\u914d\u5f97\u5206\u77e9\u9635 \u2192 Sinkhorn（\u71b5\u6b63\u5219\u5316\u6700\u4f18\u4f20\u8f93（OT）\u5feb\u901f\u6c42\u89e3\u7b97\u6cd5） \u2192 \u6700\u7ec8\u5339\u914d<\/p>\n

    \u7279\u5f81\u7f16\u7801：\u628a\u6bcf\u4e2a\u5173\u952e\u70b9\u7684128\u7ef4\u63cf\u8ff0\u5b50d\u3001\u5750\u6807(x,y)\u5408\u5e76\u6210\u4e00\u4e2a\u65b0\u5411\u91cf，\u8ba9\u7f51\u7edc\u540c\u65f6\u61c2\u5916\u89c2\u548c\u4f4d\u7f6e\u3002<\/p>\n

    \u591a\u5934\u6ce8\u610f\u529b GNN：\u4e24\u79cd\u6ce8\u610f\u529b\u6765\u56de\u505a4~6\u5c42：<\/p>\n

    \u00a0– Self-attention（\u56fe\u5185）：\u540c\u4e00\u5f20\u56fe\u91cc，\u5173\u952e\u70b9\u4e92\u76f8\u770b\u4e0a\u4e0b\u6587（\u6bd4\u5982 \u201c\u8fd9\u4e2a\u70b9\u5728\u89d2\u843d，\u5468\u56f4\u70b9\u5c11，\u5e94\u8be5\u662f\u72ec\u7279\u7279\u5f81\u201d）\u3002<\/p>\n

    \u00a0– Cross-attention（\u56fe\u95f4）：\u4e24\u5f20\u56fe\u7684\u5173\u952e\u70b9\u4e92\u76f8\u770b（\u6bd4\u5982 \u201cA \u56fe\u7684\u8fd9\u4e2a\u70b9，\u5728 B \u56fe\u54ea\u4e2a\u533a\u57df\u6700\u50cf\u201d）\u3002<\/p>\n

    \u00a0– \u7ed3\u679c：\u6bcf\u4e2a\u5173\u952e\u70b9\u7684\u5411\u91cf\u90fd\u88ab\u5168\u5c40\u4e0a\u4e0b\u6587\u589e\u5f3a，\u4e0d\u518d\u662f\u5b64\u7acb\u7684 128 \u7ef4\u3002<\/p>\n

    Sinkhorn \u6700\u4f18\u5339\u914d：<\/p>\n

    \u00a0– \u4f20\u7edf\u6700\u8fd1\u90bb\u5339\u914d\u95ee\u9898：\u8d2a\u5fc3\u5c31\u8fd1\u5339\u914d，\u4f1a\u51fa\u73b0\u4e00\u5bf9\u591a\u62a2\u540c\u4e00\u4e2a\u70b9\u6bd4\u5982 A1\u3001A2 \u90fd\u5339\u914d\u5230 B1，\u5339\u914d\u51b2\u7a81\u3001\u9519\u4e71，\u4e0d\u7b26\u5408\u771f\u5b9e\u4e00\u5bf9\u4e00\u5339\u914d\u89c4\u5219\u3002<\/p>\n

    \u00a0– SuperGlue + Sinkhorn ：\u628a\u7279\u5f81\u5339\u914d\u6539\u6210\u53ef\u5fae\u5206\u6700\u4f18\u5206\u914d\u95ee\u9898，\u7528 Sinkhorn \u8fed\u4ee3\u7b97\u51fa\u53cc\u968f\u673a\u5339\u914d\u77e9\u9635 P，\u6ee1\u8db3\u4e09\u6761\u89c4\u5219：1.\u6e90\u56fe\u4e00\u4e2a\u7279\u5f81\u70b9\u6700\u591a\u53ea\u5339\u914d\u76ee\u6807\u56fe\u4e00\u4e2a\u70b9\u30022.\u76ee\u6807\u56fe\u4e00\u4e2a\u7279\u5f81\u70b9\u6700\u591a\u53ea\u88ab\u4e00\u4e2a\u6e90\u70b9\u5339\u914d\u30023.\u5141\u8bb8\u65e0\u5339\u914d（\u6574\u884c \/ \u6574\u5217\u4e3a 0），\u9002\u914d\u906e\u6321\u3001\u5916\u70b9\u3001\u65e0\u5bf9\u5e94\u7279\u5f81\u3002<\/p>\n

    \u00a0– \u5f97\u51fa\u5339\u914d：\u77e9\u9635\u91cc\u6570\u503cP ij \u8d8a\u5927，\u4ee3\u8868 A \u7b2c i \u4e2a\u70b9\u4e0e B \u7b2c j \u4e2a\u70b9\u5339\u914d\u7f6e\u4fe1\u5ea6\u8d8a\u9ad8，\u76f4\u63a5\u53d6\u6570\u503c\u6700\u5927\u7684\u4f4d\u7f6e，\u4f5c\u4e3a\u6700\u7ec8\u6b63\u786e\u5339\u914d\u5bf9\u3002<\/p>\n

    3. LoFTR<\/h3>\n

    \u57fa\u4e8eTransformer\u7684\u65e0\u68c0\u6d4b\u5668\u5c40\u90e8\u7279\u5f81\u5339\u914d\u65b9\u6cd5（Detector-Free Local Feature Matching with Transformers）\u3002\u4f20\u7edf\u65b9\u6cd5\u5168\u90fd\u662f\u5148\u68c0\u6d4b\u5173\u952e\u70b9\u3001\u63d0\u53d6\u63cf\u8ff0\u5b50，\u518d\u505a\u5339\u914d，\u5982\u679cdetector\u68c0\u6d4b\u4e0d\u5230\u70b9，\u540e\u9762\u5c31\u5168\u6ca1\u4e86\u3002\u800cLoFTR\u7684\u6838\u5fc3\u601d\u60f3\u662f\u4e0d\u8981\u68c0\u6d4b\u5668，\u76f4\u63a5\u5bf9\u6574\u5f20\u56fe\u63d0\u53d6\u7a20\u5bc6\u7279\u5f81，\u8ba9\u7f51\u7edc\u81ea\u5df1\u5b66\u54ea\u91cc\u8be5\u5339\u914d\u3002\u4ee5\u524d\u5148\u627e\u70b9，\u73b0\u5728\u5148\u627e\u5bf9\u5e94\u5173\u7cfb，\u8fd9\u662f\u672c\u8d28\u53d8\u5316\u3002<\/p>\n

    \u4f18\u70b9：1.\u5f31\u7eb9\u7406\u5f3a，\u56e0\u4e3a\u4e0d\u4f9d\u8d56 detector\u30022.\u5927\u89c6\u89d2\u5f3a，Attention\u80fd\u5b66\u4e60\u5168\u5c40\u5173\u7cfb\u30023.\u6a21\u7cca\u5f3a，\u56e0\u4e3a\u4e0a\u4e0b\u6587\u5e2e\u52a9\u5de8\u5927\u3002<\/p>\n

    \u7f3a\u70b9：1.\u5f88\u6162，\u56e0\u4e3aDense Attention\u590d\u6742\u5ea6\u9ad8\u30022.\u5f88\u5403\u663e\u5b58，\u5c24\u5176\u9ad8\u5206\u8fa8\u7387\u30023.\u79fb\u52a8\u7aef\u90e8\u7f72\u96be，\u56e0\u4e3aTransformer\u91cd<\/p>\n\n\u65b9\u6848\u8303\u5f0f\u662f\u5426\u8981\u5173\u952e\u70b9\u9002\u7528\u573a\u666f<\/tr>\n\n\n\n
    SuperPoint+SuperGlue<\/td>\n\u5148\u68c0\u6d4b\u5173\u952e\u70b9\u2192\u63d0\u63cf\u8ff0\u5b50\u2192Transformer \u5339\u914d<\/td>\n\u8981<\/td>\n\u7eb9\u7406\u4e30\u5bcc\u3001\u666e\u901a\u56fe\u50cf<\/td>\n<\/tr>\n
    LoFTR<\/td>\n\u7a20\u5bc6\u7279\u5f81 + \u7c97\u7c92\u5ea6\u2192\u7ec6\u7c92\u5ea6 \u53cc\u5c42 Transformer \u5339\u914d<\/td>\n\u4e0d\u8981\u5173\u952e\u70b9<\/td>\n\u5f31\u7eb9\u7406\u3001\u91cd\u590d\u7eb9\u7406\u3001\u53cd\u5149\u3001\u5ba4\u5185\u590d\u6742\u573a\u666f<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

    \u6574\u4f53\u6d41\u7a0b：Image0 + Image1->CNN Backbone（\u5377\u79ef\u4e3b\u5e72\u7f51\u7edc）->Dense Feature Map（\u7a20\u5bc6\u7279\u5f81\u56fe）->Positional Encoding（\u4f4d\u7f6e\u7f16\u7801）->Local Feature Transformer->Self-Attention（\u81ea\u6ce8\u610f\u529b）->Cross-Attention（\u4ea4\u53c9\u6ce8\u610f\u529b）->Coarse Matching（\u7c97\u5339\u914d）->Fine-Level Refinement（\u7cbe\u7ec6\u5339\u914d）->Final Correspondence（\u6700\u7ec8\u5bf9\u5e94\u70b9）\u3002<\/p>\n

    Dense Feature（\u7a20\u5bc6\u7279\u5f81）：\u4f20\u7edf\u65b9\u6cd5\u53ea\u5bf9\u5173\u952e\u70b9\u63d0\u53d6\u7279\u5f81，LoFTR\u5bf9\u6574\u5f20\u56fe\u6bcf\u4e2a\u4f4d\u7f6e\u90fd\u6709feature，\u4e5f\u5c31\u662f\u7a20\u5bc6\u63cf\u8ff0\u5b50\u56fe\u3002<\/p>\n

    Self-Attention（\u81ea\u6ce8\u610f\u529b）：\u540c\u4e00\u5f20\u56fe\u4e0d\u540c\u4f4d\u7f6e\u4e4b\u95f4\u4e92\u76f8\u901a\u4fe1，\u4f8b\u5982\u5de6\u8fb9\u5899\u58c1\u70b9\u4f1a\u77e5\u9053\u81ea\u5df1\u9644\u8fd1\u7ed3\u6784\u3001\u5168\u5c40\u4e0a\u4e0b\u6587\u3001\u5468\u56f4\u7eb9\u7406\u5173\u7cfb\u3002<\/p>\n

    Cross-Attention（\u4ea4\u53c9\u6ce8\u610f\u529b）：\u4e24\u5f20\u56fe\u4f1a\u4e92\u76f8\u5bfb\u627e\u5bf9\u5e94\u5173\u7cfb，\u8fd9\u5df2\u7ecf\u4e0d\u662fdescriptor \u6700\u8fd1\u90bb\u4e86，\u800c\u662f\u5b66\u4e60\u5339\u914d\u5173\u7cfb\u3002<\/p>\n

    Positional Encoding（\u4f4d\u7f6e\u7f16\u7801）：Transformer\u672c\u8eab\u4e0d\u77e5\u9053\u8c01\u5728\u5de6\u8fb9\u3001\u8c01\u5728\u53f3\u8fb9，\u6240\u4ee5\u5fc5\u987b\u52a0\u5165\u4f4d\u7f6e\u4fe1\u606f，\u5426\u5219Attention\u6ca1\u6709\u7a7a\u95f4\u6982\u5ff5\u3002<\/p>\n

    Coarse Matching（\u7c97\u5339\u914d）：LoFTR\u4e0d\u4f1a\u76f4\u63a5\u5168\u5206\u8fa8\u7387\u5339\u914d，\u5426\u5219\u76f4\u63a5\u8ba1\u7b97\u7206\u70b8，\u6240\u4ee5\u5148\u4f4e\u5206\u8fa8\u7387\u5168\u5c40\u5339\u914d，\u4f8b\u5982\u57281\/8 feature map\u4e2d\u5148\u627e\u5230\u5927\u6982\u5bf9\u5e94\u533a\u57df\u3002<\/p>\n

    Fine Matching（\u7cbe\u5339\u914d）：\u5728\u7c97\u5339\u914d\u9644\u8fd1\u5c40\u90e8\u7a97\u53e3\u7ec6\u5316，\u5728\u7c97\u5339\u914d\u627e\u5230\u7684 \u201c\u5c0f\u533a\u57df\u201d \u91cc，\u505a\u50cf\u7d20\u7ea7\u7684\u7cbe\u51c6\u5339\u914d，\u628a\u4f4d\u7f6e\u4fee\u6b63\u5230\u539f\u56fe\u771f\u5b9e\u5750\u6807\u3002<\/p>\n

    4.\u6df1\u5ea6\u5b66\u4e60 Optical Flow<\/h3>\n

    \u4f20\u7edf\u5149\u6d41：LK\u3001Horn-Schunck\u3001Farneback<\/p>\n

    \u95ee\u9898：\u5927\u4f4d\u79fb\u56f0\u96be\u3001\u906e\u6321\u56f0\u96be\u3001\u5f31\u7eb9\u7406\u56f0\u96be；\u5c40\u90e8 patch \u5047\u8bbe\u5bb9\u6613\u5931\u8d25；\u590d\u6742\u8fd0\u52a8\u5efa\u6a21\u80fd\u529b\u5f31\u3002<\/p>\n

    \u6df1\u5ea6\u5b66\u4e60\u5149\u6d41：FlowNet\u3001PWC-Net\u3001RAFT\u3002<\/p>\n

    \u6838\u5fc3\u601d\u60f3：\u7f51\u7edc\u76f4\u63a5\u5b66\u4e60\u50cf\u7d20\u8fd0\u52a8\u573a（Dense Motion Field）；\u4e0d\u518d\u4f9d\u8d56\u5c40\u90e8\u6cf0\u52d2\u5c55\u5f00，\u800c\u662f\u5168\u5c40\u5b66\u4e60 motion correspondence\u3002<\/p>\n\n\u5bf9\u6bd4\u7ef4\u5ea6\u4f20\u7edf\u5149\u6d41（LK\/Farneback）\u6df1\u5ea6\u5b66\u4e60\u5149\u6d41（RAFT\/FlowNet）<\/tr>\n\n\n\n\n\n\n\n
    \u6838\u5fc3\u5047\u8bbe<\/td>\n\u4eae\u5ea6\u4e0d\u53d8 + \u5c40\u90e8\u5e73\u6ed1\u7ea6\u675f<\/td>\n\u6570\u636e\u9a71\u52a8\u5b66\u4e60\u5168\u5c40\u8fd0\u52a8\u6a21\u5f0f<\/td>\n<\/tr>\n
    \u5927\u4f4d\u79fb\u5904\u7406<\/td>\n\u5dee，\u6613\u5931\u6548<\/td>\n\u5f3a，\u91d1\u5b57\u5854 \/ \u8fed\u4ee3\u4f18\u5316\u9002\u914d\u5927\u4f4d\u79fb<\/td>\n<\/tr>\n
    \u906e\u6321 \/ \u5f31\u7eb9\u7406<\/td>\n\u5dee，\u6613\u6f02\u79fb \/ \u5931\u6548<\/td>\n\u5f3a，\u5168\u5c40\u4e0a\u4e0b\u6587\u5efa\u6a21\u5904\u7406\u906e\u6321<\/td>\n<\/tr>\n
    \u590d\u6742\u8fd0\u52a8<\/td>\n\u5dee，\u975e\u521a\u6027\u5f62\u53d8\u5efa\u6a21\u5f31<\/td>\n\u5f3a，\u6570\u636e\u9a71\u52a8\u9002\u914d\u590d\u6742\u8fd0\u52a8<\/td>\n<\/tr>\n
    \u6cdb\u5316\u80fd\u529b<\/td>\n\u4f9d\u8d56\u53c2\u6570\u8c03\u4f18，\u573a\u666f\u654f\u611f<\/td>\n\u6570\u636e\u9a71\u52a8\u6cdb\u5316，\u9c81\u68d2\u6027\u5f3a<\/td>\n<\/tr>\n
    \u8ba1\u7b97\u6548\u7387<\/td>\n\u5feb（\u8f7b\u91cf\u7ea7\u7b97\u6cd5）<\/td>\nRAFT \u5b9e\u65f6\u6027\u8f83\u597d，FlowNet \u7565\u6162<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

    FlowNet：\u4f20\u7edf\u5149\u6d41\u4f9d\u9760\u4eae\u5ea6\u6052\u5b9a\u5047\u8bbe\u4e0e\u5c40\u90e8\u4f18\u5316\u6c42\u89e3，\u9762\u5bf9\u5feb\u901f\u8fd0\u52a8\u3001\u590d\u6742\u906e\u6321\u573a\u666f\u7a33\u5b9a\u6027\u5dee\u3002FlowNet \u662f\u9996\u4e2a\u57fa\u4e8e CNN \u7684\u5149\u6d41\u7f51\u7edc，\u6838\u5fc3\u601d\u60f3\u5b9e\u73b0\u7aef\u5230\u7aef\u6620\u5c04：\u56fe\u50cf\u5bf9\u76f4\u63a5\u8f93\u51fa\u5149\u6d41\u573a，\u65e0\u9700\u4f20\u7edf\u624b\u5de5\u7ea6\u675f\u4e0e\u8fed\u4ee3\u6c42\u89e3\u3002<\/p>\n

    PWC-Net：\u4f20\u7edf\u7a20\u5bc6\u5149\u6d41\u6574\u4f53\u4f18\u5316\u8ba1\u7b97\u5f00\u9500\u5927，\u8fd0\u884c\u901f\u5ea6\u6162，\u96be\u4ee5\u5b9e\u7528\u843d\u5730\u3002 PWC-Net \u878d\u5408\u91d1\u5b57\u5854\u3001\u7279\u5f81\u626d\u66f2\u3001\u4ee3\u4ef7\u4f53\u4e09\u5927\u6a21\u5757：\u5229\u7528\u91d1\u5b57\u5854\u7ed3\u6784\u9002\u914d\u5927\u4f4d\u79fb\u8fd0\u52a8，\u7531\u7c97\u5230\u7ec6\u901a\u8fc7\u7279\u5f81\u626d\u66f2\u5b8c\u6210\u7cbe\u7ec6\u5316\u4f18\u5316，\u501f\u52a9\u4ee3\u4ef7\u4f53\u8868\u5f81\u50cf\u7d20\u5339\u914d\u76f8\u4f3c\u5ea6\u3002<\/p>\n

    RAFT（\u4e3b\u6d41\u6700\u4f18）：Recurrent All-Pairs Field Transforms\u3002\u4f20\u7edf\u5149\u6d41\u5c40\u9650\u4e8e\u5c40\u90e8\u5757\u8ddf\u8e2a，\u7f3a\u5c11\u5168\u5c40\u50cf\u7d20\u5173\u8054\u5efa\u6a21\u80fd\u529b，\u96be\u4ee5\u5904\u7406\u5927\u5e45\u5ea6\u8fd0\u52a8\u3001\u906e\u6321\u533a\u57df\u4e0e\u975e\u521a\u6027\u8fd0\u52a8\u3002 RAFT \u5168\u79f0\u9012\u5f52\u5168\u5bf9\u573a\u53d8\u6362，\u6838\u5fc3\u601d\u8def\u6784\u5efa\u5168\u50cf\u7d20\u5173\u8054\u4ee3\u4ef7\u4f53，\u5efa\u7acb\u6240\u6709\u50cf\u7d20\u95f4\u76f8\u4f3c\u5ea6\u5173\u8054，\u642d\u914d\u5faa\u73af\u8fed\u4ee3\u673a\u5236\u6301\u7eed\u4f18\u5316\u7ec6\u5316\u5149\u6d41\u7ed3\u679c\u3002 \u672c\u8d28\u662f\u795e\u7ecf\u7f51\u7edc\u5316\u7684\u7a20\u5bc6\u5149\u6d41\u8fed\u4ee3\u4f18\u5316\u6846\u67b6\u3002 \u4f18\u52bf：\u9884\u6d4b\u7cbe\u5ea6\u9876\u5c16，\u5bf9\u5927\u4f4d\u79fb\u3001\u906e\u6321\u3001\u590d\u6742\u975e\u521a\u6027\u8fd0\u52a8\u9c81\u68d2\u6027\u6781\u5f3a，\u662f\u73b0\u9636\u6bb5\u5de5\u4e1a\u4e0e\u5b66\u672f\u9886\u57df\u6700\u4e3b\u6d41\u7684\u6807\u6746\u7ea7\u5149\u6d41\u7b97\u6cd5\u3002<\/p>\n

    \u9002\u7528\u573a\u666f：<\/p>\n

    \u505a\u7814\u7a76\u3001\u9ad8\u7cbe\u5ea6\u3001VO\/SLAM：\u4e00\u5f8b RAFT
    \n\u5de5\u7a0b\u843d\u5730\u3001\u5b9e\u65f6\u52a0\u901f：PWC-Net
    \n\u65e0 GPU\u3001\u7b80\u5355\u573a\u666f：Farneback
    \n\u6559\u5b66\u5b9e\u9a8c\u3001\u7a00\u758f\u8ddf\u8e2a：LK<\/p>\n

    5.Deep VO<\/h3>\n

    \u4f20\u7edf VO：\u7279\u5f81\u5339\u914d \u2192 PnP \u6c42\u89e3\u4f4d\u59ff \u2192 BA \u540e\u7aef\u4f18\u5316<\/p>\n

    \u95ee\u9898：pipeline \u957f；\u8bef\u5339\u914d\u4f1a\u4f20\u9012\u9519\u8bef；\u52a8\u6001\u573a\u666f\u8106\u5f31；\u7279\u5f81\u4f9d\u8d56\u4e25\u91cd\u3002<\/p>\n

    \u6838\u5fc3\u601d\u60f3：\u76f4\u63a5\u5b66\u4e60：Image Sequence \u2192 Camera Pose\u3002\u5373：RGB \u8f93\u5165 \u2192 \u7f51\u7edc\u76f4\u63a5\u8f93\u51fa\u4f4d\u59ff\u3002<\/p>\n

    PoseNet：\u7b80\u5355\u3001\u7aef\u5230\u7aef\u3001\u4e0d\u4f9d\u8d56\u7279\u5f81\u70b9，\u7f3a\u70b9\u662f\u7cbe\u5ea6\u8f83\u4f4e\u3002<\/p>\n

    DeepVO：\u8f93\u5165\u8fde\u7eed\u56fe\u50cf，\u8f93\u51fa\u8fde\u7eed\u4f4d\u59ff<\/p>\n

    UnDeepVO（Unsupervised Learning）：\u4e0d\u9700\u8981\u771f\u5b9e\u4f4d\u59ff\u6807\u7b7e，\u5229\u7528\u5149\u5ea6\u4e00\u81f4\u6027\u3001\u51e0\u4f55\u7ea6\u675f\u3001\u91cd\u6295\u5f71\u8bef\u5dee\u8fdb\u884c\u81ea\u76d1\u7763\u8bad\u7ec3\u3002<\/p>\n

    DROID-SLAM：\u73b0\u4ee3\u6700\u5f3a Deep SLAM\/VO \u4e4b\u4e00\u3002\u878d\u5408 Deep Feature\u3001Optical Flow\u3001Optimization\u3001Dense Matching，\u7cbe\u5ea6\u6781\u9ad8\u3002\u5c5e\u4e8eLearning + Geometry Hybrid，\u5b66\u4e60\u4e0e\u51e0\u4f55\u878d\u5408\u3002<\/p>\n

    \u4f18\u52bf：1.\u4e0d\u4f9d\u8d56\u4eba\u5de5\u7279\u5f81，\u56e0\u6b64\u5f31\u7eb9\u7406\u533a\u57df\u66f4\u7a33\u5b9a\u30022.\u7f51\u7edc\u53ef\u4ee5\u5b66\u4e60\u54ea\u4e9b\u533a\u57df\u4e0d\u53ef\u9760，\u52a8\u6001\u573a\u666f\u66f4\u9c81\u68d2\u30023.\u7aef\u5230\u7aef，\u76f4\u63a5\u8f93\u51fa\u4f4d\u59ff\u3002<\/p>\n

    \u95ee\u9898：1.\u6cdb\u5316\u5dee\u30022.\u53ef\u89e3\u91ca\u6027\u5dee，\u9ed1\u76d2\u7f51\u7edc，\u5f88\u96be\u5206\u6790\u5931\u8d25\u539f\u56e0\u30023.\u9700\u8981\u5927\u91cf\u6570\u636e\u3002<\/p>\n

    \u73b0\u4ee3\u8d8b\u52bf\u662f Learning + Geometry \u878d\u5408，Deep Feature + Geometry Optimization\u3002<\/p>\n

    \u56db\u5927\u65b9\u6cd5\u672c\u8d28\u533a\u522b<\/p>\n\n\u65b9\u6cd5\u672c\u8d28\u9a71\u52a8\u529b<\/tr>\n\n\n\n\n\n
    \u7279\u5f81\u6cd5<\/td>\n\u51e0\u4f55\u9a71\u52a8（Geometry-driven）<\/td>\n<\/tr>\n
    \u7ebf\/\u8fb9\u7f18\u6cd5<\/td>\n\u7ed3\u6784\u9a71\u52a8（Structure-driven）<\/td>\n<\/tr>\n
    \u76f4\u63a5\u6cd5<\/td>\n\u5149\u5ea6\u9a71\u52a8（Photometric-driven）<\/td>\n<\/tr>\n
    \u6df1\u5ea6\u5b66\u4e60\u6cd5<\/td>\n\u6570\u636e\u9a71\u52a8（Data-driven）<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

    \u5178\u578bPipeline\u5bf9\u6bd4：<\/p>\n

    1. \u7279\u5f81\u6cd5 Pipeline<\/p>\n

    Image \u2192 Detect Keypoints \u2192 Compute Descriptor \u2192 Matching \u2192 RANSAC \u2192 PnP\/BA \u2192 Pose<\/p>\n

    \u6838\u5fc3：\u5148\u5efa\u7acb Correspondence（\u5bf9\u5e94\u5173\u7cfb），\u518d\u505a Geometry Optimization\u3002<\/p>\n

    2. \u7ebf\/\u8fb9\u7f18\u6cd5 Pipeline<\/p>\n

    Image \u2192 Edge Detection \u2192 Line Extraction \u2192 Line Matching \u2192 Geometry Optimization<\/p>\n

    \u6838\u5fc3：\u4f7f\u7528\u7ed3\u6784\u4fe1\u606f，\u5229\u7528\u5e73\u884c\u7ebf\u3001\u6d88\u5931\u70b9\u3001\u8fb9\u7f18\u7ea6\u675f\u3002<\/p>\n

    3. \u76f4\u63a5\u6cd5 Pipeline<\/p>\n

    Image \u2192 Compute Gradient \u2192 Build Photometric Error \u2192 GN\/LM Optimization \u2192 Pose<\/p>\n

    \u6838\u5fc3：\u4e0d\u505a matching，\u76f4\u63a5\u4f18\u5316\u7070\u5ea6\u4e00\u81f4\u6027\u3002<\/p>\n

    4. \u6df1\u5ea6\u5b66\u4e60\u6cd5 Pipeline<\/p>\n

    Image Sequence \u2192 Neural Network \u2192 Pose \/ Depth \/ Flow<\/p>\n

    \u6838\u5fc3：\u4e0d\u624b\u5de5\u8bbe\u8ba1\u7279\u5f81，\u7f51\u7edc\u81ea\u5df1\u5b66\u4e60\u8868\u793a\u3002<\/p>\n\n\u5bf9\u6bd4\u7ef4\u5ea6\u57fa\u4e8e\u7279\u5f81\u7684\u65b9\u6cd5（Feature-based）\u57fa\u4e8e\u7ebf\/\u8fb9\u7f18\u7684\u65b9\u6cd5（Line\/Edge-based）\u76f4\u63a5\u6cd5（Direct Method）\u57fa\u4e8e\u6df1\u5ea6\u5b66\u4e60\u7684\u65b9\u6cd5（Deep Learning-based）<\/tr>\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
    \u6838\u5fc3\u601d\u60f3<\/td>\n\u63d0\u53d6\u5173\u952e\u70b9\u4e0e\u63cf\u8ff0\u5b50，\u901a\u8fc7\u5339\u914d\u6062\u590d\u51e0\u4f55\u5173\u7cfb<\/td>\n\u5229\u7528\u8fb9\u7f18\u3001\u76f4\u7ebf\u3001\u8f6e\u5ed3\u7b49\u7ed3\u6784\u4fe1\u606f\u5efa\u7acb\u7ea6\u675f<\/td>\n\u76f4\u63a5\u6700\u5c0f\u5316\u50cf\u7d20\u7070\u5ea6\u8bef\u5dee（Photometric Error）<\/td>\n\u4f7f\u7528\u795e\u7ecf\u7f51\u7edc\u5b66\u4e60\u7279\u5f81\u3001\u5339\u914d\u3001\u6df1\u5ea6\u3001\u5149\u6d41\u6216\u4f4d\u59ff<\/td>\n<\/tr>\n
    \u4f7f\u7528\u4fe1\u606f<\/td>\nCorner\u3001Descriptor\u3001Geometry<\/td>\nEdge\u3001Line\u3001Gradient\u3001Structure<\/td>\nPixel Intensity\u3001Image Gradient<\/td>\nRGB\u3001Feature Map\u3001Semantic Context<\/td>\n<\/tr>\n
    \u662f\u5426\u9700\u8981\u7279\u5f81\u70b9<\/td>\n\u9700\u8981<\/td>\n\u4e0d\u4e00\u5b9a<\/td>\n\u4e0d\u9700\u8981<\/td>\n\u4e0d\u4e00\u5b9a<\/td>\n<\/tr>\n
    \u5bf9\u5f31\u7eb9\u7406\u573a\u666f\u80fd\u529b<\/td>\n\u5f88\u5dee，\u767d\u5899\u3001\u5929\u7a7a\u3001\u5730\u677f\u5bb9\u6613\u65e0\u7279\u5f81\u70b9<\/td>\n\u4e2d\u7b49，\u4ecd\u53ef\u5229\u7528\u8fb9\u7f18\u7ed3\u6784<\/td>\n\u8f83\u5f3a，\u53ea\u8981\u5b58\u5728\u7070\u5ea6\u68af\u5ea6\u5373\u53ef\u4f18\u5316<\/td>\n\u66f4\u5f3a，\u53ef\u5229\u7528\u5168\u5c40\u4e0a\u4e0b\u6587\u4e0e\u8bed\u4e49\u4fe1\u606f<\/td>\n<\/tr>\n
    \u5bf9\u52a8\u6001\u573a\u666f\u80fd\u529b<\/td>\n\u4e2d\u7b49，\u53ef\u901a\u8fc7RANSAC\u5254\u9664\u90e8\u5206\u52a8\u6001\u70b9<\/td>\n\u4e00\u822c，\u52a8\u6001\u8fb9\u7f18\u5bb9\u6613\u7834\u574f\u7ebf\u7ea6\u675f<\/td>\n\u8f83\u5dee，\u52a8\u6001\u7269\u4f53\u7834\u574f\u5149\u5ea6\u4e00\u81f4\u6027<\/td>\n\u8f83\u5f3a，\u53ef\u5b66\u4e60\u8fd0\u52a8\u6a21\u5f0f\u4e0e\u52a8\u6001\u533a\u57df<\/td>\n<\/tr>\n
    \u5bf9\u5927\u4f4d\u79fb\u80fd\u529b<\/td>\n\u5f3a，Descriptor Matching \u5bf9\u5927\u8fd0\u52a8\u9c81\u68d2<\/td>\n\u4e2d\u7b49<\/td>\n\u5f31，\u901a\u5e38\u5fc5\u987b Pyramid<\/td>\n\u5f3a，\u73b0\u4ee3\u7f51\u7edc\u5bf9\u5927\u8fd0\u52a8\u975e\u5e38\u9c81\u68d2<\/td>\n<\/tr>\n
    \u5bf9\u5e73\u79fb（Translation）\u9002\u5e94\u6027<\/td>\n\u5f3a<\/td>\n\u5f3a<\/td>\n\u5c0f\u5e73\u79fb\u5f3a，\u5927\u5e73\u79fb\u5f31<\/td>\n\u5f3a<\/td>\n<\/tr>\n
    \u5bf9\u65cb\u8f6c（Rotation）\u9002\u5e94\u6027<\/td>\n\u8f83\u5f3a，SIFT\/ORB \u5177\u6709\u65cb\u8f6c\u4e0d\u53d8\u6027<\/td>\n\u4e2d\u7b49，\u7ebf\u65b9\u5411\u53d8\u5316\u4f1a\u5f71\u54cd\u7a33\u5b9a\u6027<\/td>\n\u8f83\u5f31，\u5927\u65cb\u8f6c\u5bb9\u6613\u4f18\u5316\u5931\u8d25<\/td>\n\u5f3a<\/td>\n<\/tr>\n
    \u5bf9\u7f29\u653e（Scale Change）\u9002\u5e94\u6027<\/td>\n\u5f3a，SIFT\/SURF \u5929\u751f\u591a\u5c3a\u5ea6<\/td>\n\u4e2d\u7b49<\/td>\n\u8f83\u5dee，\u5c3a\u5ea6\u53d8\u5316\u5bb9\u6613\u7834\u574f\u7070\u5ea6\u4e00\u81f4\u6027<\/td>\n\u5f3a<\/td>\n<\/tr>\n
    \u5bf9\u900f\u89c6\u53d8\u5316（Perspective Change）\u9002\u5e94\u6027<\/td>\n\u8f83\u5f3a，\u53ef\u7ed3\u5408 Homography \/ Epipolar Geometry<\/td>\n\u4e2d\u7b49<\/td>\n\u8f83\u5f31，\u975e\u5e73\u9762\u573a\u666f\u5bb9\u6613\u5931\u8d25<\/td>\n\u8f83\u5f3a<\/td>\n<\/tr>\n
    \u5bf9\u5149\u7167\u53d8\u5316\u9002\u5e94\u6027<\/td>\n\u4e2d\u7b49，Descriptor \u6709\u4e00\u5b9a\u9c81\u68d2\u6027<\/td>\n\u4e2d\u7b49<\/td>\n\u8f83\u5dee，Brightness Constancy \u5bb9\u6613\u5931\u6548<\/td>\n\u8f83\u5f3a，\u53ef\u5b66\u4e60\u5149\u7167\u4e0d\u53d8\u7279\u5f81<\/td>\n<\/tr>\n
    \u662f\u5426\u4f9d\u8d56\u521d\u59cb\u5316<\/td>\n\u4e0d\u654f\u611f<\/td>\n\u4e2d\u7b49\u654f\u611f<\/td>\n\u975e\u5e38\u654f\u611f<\/td>\n\u76f8\u5bf9\u8f83\u5f31<\/td>\n<\/tr>\n
    \u662f\u5426\u4f9d\u8d56\u68af\u5ea6<\/td>\n\u4e0d\u5f3a\u4f9d\u8d56<\/td>\n\u5f3a\u4f9d\u8d56\u8fb9\u7f18\u68af\u5ea6<\/td>\n\u6781\u5ea6\u4f9d\u8d56\u56fe\u50cf\u68af\u5ea6<\/td>\n\u4e0d\u5b8c\u5168\u4f9d\u8d56<\/td>\n<\/tr>\n
    \u662f\u5426\u4f9d\u8d56\u63cf\u8ff0\u5b50<\/td>\n\u5f3a\u4f9d\u8d56<\/td>\n\u4e00\u822c\u4e0d\u4f9d\u8d56<\/td>\n\u4e0d\u4f9d\u8d56<\/td>\n\u7f51\u7edc\u81ea\u52a8\u5b66\u4e60\u8868\u793a<\/td>\n<\/tr>\n
    \u662f\u5426\u9700\u8981\u8bad\u7ec3<\/td>\n\u4e0d\u9700\u8981<\/td>\n\u4e0d\u9700\u8981<\/td>\n\u4e0d\u9700\u8981<\/td>\n\u9700\u8981\u5927\u91cf\u8bad\u7ec3\u6570\u636e<\/td>\n<\/tr>\n
    \u5de5\u7a0b\u590d\u6742\u5ea6<\/td>\n\u4e2d\u7b49<\/td>\n\u8f83\u9ad8<\/td>\n\u5f88\u9ad8<\/td>\n\u6781\u9ad8<\/td>\n<\/tr>\n
    \u8ba1\u7b97\u8d44\u6e90\u9700\u6c42<\/td>\n\u4e2d\u7b49<\/td>\n\u4e2d\u7b49<\/td>\n\u8f83\u9ad8<\/td>\n\u6781\u9ad8（\u901a\u5e38GPU）<\/td>\n<\/tr>\n
    \u6570\u5b66\u6838\u5fc3<\/td>\n\u591a\u89c6\u51e0\u4f55\u3001RANSAC\u3001BA<\/td>\n\u7ebf\u51e0\u4f55\u3001\u6d88\u5931\u70b9\u3001\u7ea6\u675f\u4f18\u5316<\/td>\nPhotometric Optimization\u3001GN\/LM<\/td>\nCNN\u3001Transformer\u3001Differentiable Optimization<\/td>\n<\/tr>\n
    \u5178\u578b\u7b97\u6cd5<\/td>\nSIFT\u3001SURF\u3001ORB\u3001AKAZE\u3001SuperPoint<\/td>\nLSD\u3001EDLines\u3001FLD\u3001PL-VIO<\/td>\nLK\u3001IC-LK\u3001ECC\u3001DSO\u3001LSD-SLAM<\/td>\nRAFT\u3001LoFTR\u3001SuperGlue\u3001DROID-SLAM<\/td>\n<\/tr>\n
    OpenCV\u652f\u6301<\/td>\n\u5f3a\u652f\u6301<\/td>\n\u90e8\u5206\u652f\u6301<\/td>\n\u90e8\u5206\u652f\u6301<\/td>\n\u57fa\u672c\u4e0d\u76f4\u63a5\u652f\u6301<\/td>\n<\/tr>\n
    \u5178\u578b\u5e94\u7528<\/td>\nVO\u3001SLAM\u3001AR\u3001SfM<\/td>\n\u5ba4\u5185SLAM\u3001\u7ed3\u6784\u5316\u73af\u5883<\/td>\nDirect VO\u3001\u56fe\u50cf\u914d\u51c6\u3001\u7a33\u50cf<\/td>\n\u81ea\u52a8\u9a7e\u9a76\u3001\u673a\u5668\u4eba\u3001\u73b0\u4ee3SLAM<\/td>\n<\/tr>\n
    \u672c\u8d28\u9a71\u52a8\u529b<\/td>\nGeometry-driven（\u51e0\u4f55\u9a71\u52a8）<\/td>\nStructure-driven（\u7ed3\u6784\u9a71\u52a8）<\/td>\nPhotometric-driven（\u5149\u5ea6\u9a71\u52a8）<\/td>\nData-driven（\u6570\u636e\u9a71\u52a8）<\/td>\n<\/tr>\n<\/tbody>\n<\/table><\/p>\n","protected":false},"excerpt":{"rendered":"

    \u56fe\u50cf\u914d\u51c6\u662f\u5c06\u628a\u540c\u4e00\u573a\u666f，\u4e0d\u540c\u65f6\u95f4\u3001\u4e0d\u540c\u89d2\u5ea6\u6216\u4e0d\u540c\u4f20\u611f\u5668\u4e0b\u83b7\u53d6\u7684\u591a\u5f20\u56fe\u50cf\u8fdb\u884c\u7a7a\u95f4\u5bf9\u9f50\u7684\u8fc7\u7a0b\u3002\u4e00\u3001\u57fa\u4e8e\u7279\u5f81\u7684\u56fe\u50cf\u914d\u51c6\u65b9\u6cd5\u9996\u5148\u4ece\u5f85\u914d\u51c6\u56fe\u50cf\u4e2d\u63d0\u53d6\u56fe\u50cf\u4e2d\u7684\u5c40\u90e8\u663e\u8457\u7279\u5f81（\u89d2\u70b9\u3001\u8fb9\u7f18\u3001\u8f6e\u5ed3\u3001\u5c40\u90e8\u7279\u5f81\u70b9\u7b49），\u5e76\u4e3a\u5176\u8ba1\u7b97\u63cf\u8ff0\u5b50，\u968f\u540e\u901a\u8fc7\u63cf\u8ff0\u5b50\u7684\u76f8\u4f3c\u5ea6\u5339\u914d\u6765\u5efa\u7acb\u4e24\u5e45\u56fe\u50cf\u4e4b\u95f4\u7684\u5bf9\u5e94\u5173\u7cfb，\u6700\u540e\u901a\u8fc7\u51e0\u4f55\u53d8\u6362\u5b9e\u73b0\u4e24\u5e45\u56fe\u50cf\u7684\u5bf9\u9f50\u914d\u51c6\u3002\u57fa\u4e8e\u7279\u5f81\u7684\u914d\u51c6，\u4f9d\u8d56\u7684\u662f\u56fe\u50cf \u201c\u56fa\u6709\u3001\u7a33\u5b9a\u7684\u7279\u5f81\u201d，\u800c\u975e\u6574\u5e45<\/p>\n","protected":false},"author":2,"featured_media":95204,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[55,81,427],"topic":[],"class_list":["post-95224","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-server","tag-c","tag-python","tag-427"],"yoast_head":"\n\u56fe\u50cf\u914d\u51c6\u65b9\u6cd5\u5168\u68b3\u7406\uff1a\u4f20\u7edf\u7279\u5f81\u3001\u7070\u5ea6\u76f4\u63a5\u6cd5\u4e0e\u6df1\u5ea6\u5b66\u4e60\u65b9\u6848 - \u7f51\u7855\u4e92\u8054\u5e2e\u52a9\u4e2d\u5fc3<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.wsisp.com\/helps\/95224.html\" \/>\n<meta property=\"og:locale\" content=\"zh_CN\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"\u56fe\u50cf\u914d\u51c6\u65b9\u6cd5\u5168\u68b3\u7406\uff1a\u4f20\u7edf\u7279\u5f81\u3001\u7070\u5ea6\u76f4\u63a5\u6cd5\u4e0e\u6df1\u5ea6\u5b66\u4e60\u65b9\u6848 - \u7f51\u7855\u4e92\u8054\u5e2e\u52a9\u4e2d\u5fc3\" \/>\n<meta property=\"og:description\" content=\"\u56fe\u50cf\u914d\u51c6\u662f\u5c06\u628a\u540c\u4e00\u573a\u666f，\u4e0d\u540c\u65f6\u95f4\u3001\u4e0d\u540c\u89d2\u5ea6\u6216\u4e0d\u540c\u4f20\u611f\u5668\u4e0b\u83b7\u53d6\u7684\u591a\u5f20\u56fe\u50cf\u8fdb\u884c\u7a7a\u95f4\u5bf9\u9f50\u7684\u8fc7\u7a0b\u3002\u4e00\u3001\u57fa\u4e8e\u7279\u5f81\u7684\u56fe\u50cf\u914d\u51c6\u65b9\u6cd5\u9996\u5148\u4ece\u5f85\u914d\u51c6\u56fe\u50cf\u4e2d\u63d0\u53d6\u56fe\u50cf\u4e2d\u7684\u5c40\u90e8\u663e\u8457\u7279\u5f81（\u89d2\u70b9\u3001\u8fb9\u7f18\u3001\u8f6e\u5ed3\u3001\u5c40\u90e8\u7279\u5f81\u70b9\u7b49），\u5e76\u4e3a\u5176\u8ba1\u7b97\u63cf\u8ff0\u5b50，\u968f\u540e\u901a\u8fc7\u63cf\u8ff0\u5b50\u7684\u76f8\u4f3c\u5ea6\u5339\u914d\u6765\u5efa\u7acb\u4e24\u5e45\u56fe\u50cf\u4e4b\u95f4\u7684\u5bf9\u5e94\u5173\u7cfb，\u6700\u540e\u901a\u8fc7\u51e0\u4f55\u53d8\u6362\u5b9e\u73b0\u4e24\u5e45\u56fe\u50cf\u7684\u5bf9\u9f50\u914d\u51c6\u3002\u57fa\u4e8e\u7279\u5f81\u7684\u914d\u51c6，\u4f9d\u8d56\u7684\u662f\u56fe\u50cf \u201c\u56fa\u6709\u3001\u7a33\u5b9a\u7684\u7279\u5f81\u201d，\u800c\u975e\u6574\u5e45\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.wsisp.com\/helps\/95224.html\" \/>\n<meta property=\"og:site_name\" content=\"\u7f51\u7855\u4e92\u8054\u5e2e\u52a9\u4e2d\u5fc3\" \/>\n<meta property=\"article:published_time\" content=\"2026-08-16T06:24:01+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.wsisp.com\/helps\/wp-content\/uploads\/2026\/08\/20260816062357-6a81577dee823.png\" \/>\n<meta name=\"author\" content=\"admin\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"\u4f5c\u8005\" \/>\n\t<meta name=\"twitter:data1\" content=\"admin\" \/>\n\t<meta name=\"twitter:label2\" content=\"\u9884\u8ba1\u9605\u8bfb\u65f6\u95f4\" \/>\n\t<meta name=\"twitter:data2\" content=\"60 \u5206\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/www.wsisp.com\/helps\/95224.html\",\"url\":\"https:\/\/www.wsisp.com\/helps\/95224.html\",\"name\":\"\u56fe\u50cf\u914d\u51c6\u65b9\u6cd5\u5168\u68b3\u7406\uff1a\u4f20\u7edf\u7279\u5f81\u3001\u7070\u5ea6\u76f4\u63a5\u6cd5\u4e0e\u6df1\u5ea6\u5b66\u4e60\u65b9\u6848 - \u7f51\u7855\u4e92\u8054\u5e2e\u52a9\u4e2d\u5fc3\",\"isPartOf\":{\"@id\":\"https:\/\/www.wsisp.com\/helps\/#website\"},\"datePublished\":\"2026-08-16T06:24:01+00:00\",\"dateModified\":\"2026-08-16T06:24:01+00:00\",\"author\":{\"@id\":\"https:\/\/www.wsisp.com\/helps\/#\/schema\/person\/358e386c577a3ab51c4493330a20ad41\"},\"breadcrumb\":{\"@id\":\"https:\/\/www.wsisp.com\/helps\/95224.html#breadcrumb\"},\"inLanguage\":\"zh-Hans\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/www.wsisp.com\/helps\/95224.html\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/www.wsisp.com\/helps\/95224.html#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"\u9996\u9875\",\"item\":\"https:\/\/www.wsisp.com\/helps\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"\u56fe\u50cf\u914d\u51c6\u65b9\u6cd5\u5168\u68b3\u7406\uff1a\u4f20\u7edf\u7279\u5f81\u3001\u7070\u5ea6\u76f4\u63a5\u6cd5\u4e0e\u6df1\u5ea6\u5b66\u4e60\u65b9\u6848\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/www.wsisp.com\/helps\/#website\",\"url\":\"https:\/\/www.wsisp.com\/helps\/\",\"name\":\"\u7f51\u7855\u4e92\u8054\u5e2e\u52a9\u4e2d\u5fc3\",\"description\":\"\u9999\u6e2f\u670d\u52a1\u5668_\u9999\u6e2f\u4e91\u670d\u52a1\u5668\u8d44\u8baf_\u670d\u52a1\u5668\u5e2e\u52a9\u6587\u6863_\u670d\u52a1\u5668\u6559\u7a0b\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/www.wsisp.com\/helps\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"zh-Hans\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/www.wsisp.com\/helps\/#\/schema\/person\/358e386c577a3ab51c4493330a20ad41\",\"name\":\"admin\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"zh-Hans\",\"@id\":\"https:\/\/www.wsisp.com\/helps\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/gravatar.wp-china-yes.net\/avatar\/?s=96&d=mystery\",\"contentUrl\":\"https:\/\/gravatar.wp-china-yes.net\/avatar\/?s=96&d=mystery\",\"caption\":\"admin\"},\"sameAs\":[\"http:\/\/wp.wsisp.com\"],\"url\":\"https:\/\/www.wsisp.com\/helps\/author\/admin\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"\u56fe\u50cf\u914d\u51c6\u65b9\u6cd5\u5168\u68b3\u7406\uff1a\u4f20\u7edf\u7279\u5f81\u3001\u7070\u5ea6\u76f4\u63a5\u6cd5\u4e0e\u6df1\u5ea6\u5b66\u4e60\u65b9\u6848 - \u7f51\u7855\u4e92\u8054\u5e2e\u52a9\u4e2d\u5fc3","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.wsisp.com\/helps\/95224.html","og_locale":"zh_CN","og_type":"article","og_title":"\u56fe\u50cf\u914d\u51c6\u65b9\u6cd5\u5168\u68b3\u7406\uff1a\u4f20\u7edf\u7279\u5f81\u3001\u7070\u5ea6\u76f4\u63a5\u6cd5\u4e0e\u6df1\u5ea6\u5b66\u4e60\u65b9\u6848 - \u7f51\u7855\u4e92\u8054\u5e2e\u52a9\u4e2d\u5fc3","og_description":"\u56fe\u50cf\u914d\u51c6\u662f\u5c06\u628a\u540c\u4e00\u573a\u666f，\u4e0d\u540c\u65f6\u95f4\u3001\u4e0d\u540c\u89d2\u5ea6\u6216\u4e0d\u540c\u4f20\u611f\u5668\u4e0b\u83b7\u53d6\u7684\u591a\u5f20\u56fe\u50cf\u8fdb\u884c\u7a7a\u95f4\u5bf9\u9f50\u7684\u8fc7\u7a0b\u3002\u4e00\u3001\u57fa\u4e8e\u7279\u5f81\u7684\u56fe\u50cf\u914d\u51c6\u65b9\u6cd5\u9996\u5148\u4ece\u5f85\u914d\u51c6\u56fe\u50cf\u4e2d\u63d0\u53d6\u56fe\u50cf\u4e2d\u7684\u5c40\u90e8\u663e\u8457\u7279\u5f81（\u89d2\u70b9\u3001\u8fb9\u7f18\u3001\u8f6e\u5ed3\u3001\u5c40\u90e8\u7279\u5f81\u70b9\u7b49），\u5e76\u4e3a\u5176\u8ba1\u7b97\u63cf\u8ff0\u5b50，\u968f\u540e\u901a\u8fc7\u63cf\u8ff0\u5b50\u7684\u76f8\u4f3c\u5ea6\u5339\u914d\u6765\u5efa\u7acb\u4e24\u5e45\u56fe\u50cf\u4e4b\u95f4\u7684\u5bf9\u5e94\u5173\u7cfb，\u6700\u540e\u901a\u8fc7\u51e0\u4f55\u53d8\u6362\u5b9e\u73b0\u4e24\u5e45\u56fe\u50cf\u7684\u5bf9\u9f50\u914d\u51c6\u3002\u57fa\u4e8e\u7279\u5f81\u7684\u914d\u51c6，\u4f9d\u8d56\u7684\u662f\u56fe\u50cf \u201c\u56fa\u6709\u3001\u7a33\u5b9a\u7684\u7279\u5f81\u201d，\u800c\u975e\u6574\u5e45","og_url":"https:\/\/www.wsisp.com\/helps\/95224.html","og_site_name":"\u7f51\u7855\u4e92\u8054\u5e2e\u52a9\u4e2d\u5fc3","article_published_time":"2026-08-16T06:24:01+00:00","og_image":[{"url":"https:\/\/www.wsisp.com\/helps\/wp-content\/uploads\/2026\/08\/20260816062357-6a81577dee823.png"}],"author":"admin","twitter_card":"summary_large_image","twitter_misc":{"\u4f5c\u8005":"admin","\u9884\u8ba1\u9605\u8bfb\u65f6\u95f4":"60 \u5206"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/www.wsisp.com\/helps\/95224.html","url":"https:\/\/www.wsisp.com\/helps\/95224.html","name":"\u56fe\u50cf\u914d\u51c6\u65b9\u6cd5\u5168\u68b3\u7406\uff1a\u4f20\u7edf\u7279\u5f81\u3001\u7070\u5ea6\u76f4\u63a5\u6cd5\u4e0e\u6df1\u5ea6\u5b66\u4e60\u65b9\u6848 - \u7f51\u7855\u4e92\u8054\u5e2e\u52a9\u4e2d\u5fc3","isPartOf":{"@id":"https:\/\/www.wsisp.com\/helps\/#website"},"datePublished":"2026-08-16T06:24:01+00:00","dateModified":"2026-08-16T06:24:01+00:00","author":{"@id":"https:\/\/www.wsisp.com\/helps\/#\/schema\/person\/358e386c577a3ab51c4493330a20ad41"},"breadcrumb":{"@id":"https:\/\/www.wsisp.com\/helps\/95224.html#breadcrumb"},"inLanguage":"zh-Hans","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.wsisp.com\/helps\/95224.html"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/www.wsisp.com\/helps\/95224.html#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"\u9996\u9875","item":"https:\/\/www.wsisp.com\/helps"},{"@type":"ListItem","position":2,"name":"\u56fe\u50cf\u914d\u51c6\u65b9\u6cd5\u5168\u68b3\u7406\uff1a\u4f20\u7edf\u7279\u5f81\u3001\u7070\u5ea6\u76f4\u63a5\u6cd5\u4e0e\u6df1\u5ea6\u5b66\u4e60\u65b9\u6848"}]},{"@type":"WebSite","@id":"https:\/\/www.wsisp.com\/helps\/#website","url":"https:\/\/www.wsisp.com\/helps\/","name":"\u7f51\u7855\u4e92\u8054\u5e2e\u52a9\u4e2d\u5fc3","description":"\u9999\u6e2f\u670d\u52a1\u5668_\u9999\u6e2f\u4e91\u670d\u52a1\u5668\u8d44\u8baf_\u670d\u52a1\u5668\u5e2e\u52a9\u6587\u6863_\u670d\u52a1\u5668\u6559\u7a0b","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.wsisp.com\/helps\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"zh-Hans"},{"@type":"Person","@id":"https:\/\/www.wsisp.com\/helps\/#\/schema\/person\/358e386c577a3ab51c4493330a20ad41","name":"admin","image":{"@type":"ImageObject","inLanguage":"zh-Hans","@id":"https:\/\/www.wsisp.com\/helps\/#\/schema\/person\/image\/","url":"https:\/\/gravatar.wp-china-yes.net\/avatar\/?s=96&d=mystery","contentUrl":"https:\/\/gravatar.wp-china-yes.net\/avatar\/?s=96&d=mystery","caption":"admin"},"sameAs":["http:\/\/wp.wsisp.com"],"url":"https:\/\/www.wsisp.com\/helps\/author\/admin"}]}},"_links":{"self":[{"href":"https:\/\/www.wsisp.com\/helps\/wp-json\/wp\/v2\/posts\/95224","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.wsisp.com\/helps\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.wsisp.com\/helps\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.wsisp.com\/helps\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.wsisp.com\/helps\/wp-json\/wp\/v2\/comments?post=95224"}],"version-history":[{"count":0,"href":"https:\/\/www.wsisp.com\/helps\/wp-json\/wp\/v2\/posts\/95224\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.wsisp.com\/helps\/wp-json\/wp\/v2\/media\/95204"}],"wp:attachment":[{"href":"https:\/\/www.wsisp.com\/helps\/wp-json\/wp\/v2\/media?parent=95224"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.wsisp.com\/helps\/wp-json\/wp\/v2\/categories?post=95224"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.wsisp.com\/helps\/wp-json\/wp\/v2\/tags?post=95224"},{"taxonomy":"topic","embeddable":true,"href":"https:\/\/www.wsisp.com\/helps\/wp-json\/wp\/v2\/topic?post=95224"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}