OpenCV3 ORB特征检测与匹配（程序实战）代码详解

最新推荐文章于 2025-12-15 08:03:13 发布

原创

最新推荐文章于 2025-12-15 08:03:13 发布 · 1.9k 阅读

标签

#c++ #计算机视觉

本文详细介绍了使用OpenCV3进行ORB特征检测与匹配的过程，包括FAST角点提取和BRIEF描述子计算。通过五个步骤：读取图像、初始化、Oriented FAST角点检测、BRIEF描述子计算以及匹配和筛选，配合代码详解，帮助读者理解ORB特征检测的实际应用。

ORB特征提取分为两步：
①FAST角点提取，找出图片中的角点、计算特征点的主方向为后续BRIEF描述子增加了旋转不变特性。
②BRIEF特征点描述。

OpenCV3中ORB特征检测主要分为五步：

–读取图像
–初始化
①检测Oriented FAST角点位置
②根据焦点位置计算BRIEF描述子
③使用Hamming距离对两幅图像中的描述子进行匹配
④匹配点对筛选
⑤绘制匹配结果

下面贴上代码详解

代码是《SLAM十四讲》中的，博主正在学习中，所以自己加上了注释，非常详细的~（大部分是自己查的，一小部分是借鉴别的博主的）

#include<iostream>
#include<opencv2/core/core.hpp>
#include<opencv2/features2d/features2d.hpp>
#include<opencv2/highgui/highgui.hpp>
//core.hpp该头文件是支持pencv2的主要头文件，core是opencv的主要头文件，包括数据结构，矩阵运算，数据变换，内存管理，文本和数学等功能
//highgui.hpp包括图形界面和视频图像处理的头文件
using namespace std;//namespace标准空间
using namespace cv;

int main(int argc,char**argv )  //argc是命令行总的参数个数 ,用来统计运行程序时送给命令行的参数个数
{
   
   
 if (argc !=3 )//判断运行该程序时，是否满足以下启动命令
 {
   
   
     cout<< "usage：feature_extraction image1 iamge2 "<<endl;
     return 1;
 }
//---读取图像
 Mat img_1 = imread( argv[1], CV_LOAD_IMAGE_COLOR );  //MAT为opencv中最主要的数据存储格式，该语句是以彩色通道读取图片的意思
 Mat img_1 = imread( argv[2], CV_LOAD_IMAGE_COLOR )