##ORB特征提取 ????????ORB(ORiented Brief)特征提取算法，其前身Brief，是由EPFL的Calonder在ECCV2010上提出了一種可以快速計算且表達方式為二進制編碼的描述子，主要思路就是在特征點附近隨機選取若干點對，將這些點對的灰度值的大小，組合成一個二進制串，并將這個二進制串作為該特征點的特征描述子。BRIEF最大的優點在于速度快，然而其缺點也相當明顯，主要有以下幾方面： ????????1. 不具有旋轉不變性； ????????2. 不具有尺度不變性； ????????3. 對抗噪聲性能差。 ????????ORB就是試圖解決上述缺點中的1和3，即具有旋轉不變性的同時具有較好的抗噪能力。運算速度方面，ORB算法是SIFT算法的100倍，是SURF算法的10倍。 ????????**ORB算法解決旋轉不變性問題的思想：** ????????ORB算法中采用了FAST作為特征點檢測算子。在SIFT算法中，梯度直方圖的把第一峰值的方向設置為特征點的主方向；如果次峰值的量度達到峰值的80%，則把第二個峰值的方向也設定為主方向，該算法相對更耗時。而在ORB的方案中，特征點的主方向是通過矩（moment）計算得來。有了主方向之后，就可以依據該主方向提取Brief描述子。 ????????**ORB算法解決對噪聲敏感問題的方法：** ????????由于ORB算法不直接使用像素點與點之間進行比較，而是選擇以該像素為中心的一個區域作為整一個比較對象，因此提高了抗噪聲的能力。 ????????**關于尺度不變性問題：** ????????ORB沒有解決尺度不變性的問題（因為FAST本身就不具有尺度不變性）而且這類快速的特征描述子，通常都是應用在實時的視頻處理中的，可以通過跟蹤還有一些啟發式的策略來解決尺度不變性的問題。 ????????**相關論文下載：** Calonder M., Lepetit V., Strecha C., Fua P.: BRIEF:Binary Robust Independent Elementary Features. ECCV 2010 [ORB： an efficient alternative to SIFT or SURF](http://www.willowgarage.com/sites/default/files/orb_final.pdf) ????????作為Brief的改進，ORB早在OpenCV 2.4.2版本就已經被實現出來了。在OpenCV中，ORB類繼承自Feature2D類，另外有兩個類：OrbFeatureDetector和OrbDescriptorExtractor，與ORB類是等價的。 ????????**一個簡單的實驗：** ????????**ORB特征提取與匹配結果（未篩選特征點）：**  ????????**ORB特征提取與匹配結果（已篩選特征點）：**  ????????實驗代碼參照《OpenCV 3 編程入門》一書的例程編寫。