ORB特征用于图像特征点的匹配，对学习图像特征点匹配的同学很有帮助。

特征检测与匹配的目标是识别一个图像中的关键点与另一个图像中的对应点之间的配对。在此实验中，你将编写代码以检测图像中的特征点（对于平移、旋转和照明具有一定的不变性），并在另一个图像中找到最佳匹配特征。为了帮你可视化结果并调试程序，我们提供了一个用户界面，可以显示检测到的特征和最佳匹配。我们还提供了一个示例ORB特征检测器，用于结果比较。该实验有三个部分：特征检测、特征描述和特征匹配。您所需要实现的所有代码都在features.py中。

之前想用TensorFlow + OpenCV做目标检测，但是最后因为TF2.0资料属实不多所以夭折了，不过OpenCV还是非常值得学习的。 特征检测算法 OpenCV中比较常用的特征检测和提取算法： Harris：用于角点检测 SIFT：用于斑点检测 SERF：用于斑点检测 FAST：用于角点检测 BRIEF：用于斑点检测 ORB：带方向的FAST算法和具有旋转不变性的BRIEF算法（暴力匹配和基于FLANN的匹配法） 特征 上述算法中提到了角点和斑点，这是两种重要的特征。特征是有意义的图像区

单眼视觉测程 具有4个组成部分的单眼视觉里程表（VO）：初始化，跟踪，局部地图和束调整。 阅读《灌篮高手》后，我做了这个项目。 这也是我于2019年3月在NWU开设的EESC-432 Advanced Computer Vision课程的最终项目。 演示： 在上图中： 左侧是视频和检测到的关键点。 右侧是与左侧视频相对应的摄像机轨迹：白线来自VO；白线来自VO。 绿线是事实。 白线上的红色标记是关键帧。 点是地图点，其中红色的点是新三角剖分的。 您可以在此处下载。 报告 我的pdf版本课程