这是在VS2019环境下编译完成的 opencv4.5.4最新图像处理完整库。需要的拿走。

针对ASIFT算法抗大视角变换能力较好,但运算效率低的缺点,提出一种基于ORB的快速大视角图像匹配算法.该算法结合透视变换模型和ORB算法对ASIFT中的仿射变换模型和SIFT算法进行优化,在粗匹配算法获得单应性矩阵的基础上进行精匹配,有效减少了模拟次数,并提高了算法运算效率.实验结果表明,所提出算法具备抗视角变换能力,计算速度比ASIFT算法提高10倍,实时性强,工程使用价值高.

ORBSLAM2运行自己的图片序列，首先进行数据准备。我这里是通过摄像头采集到的视频。先要将视频处理成一帧一帧的图片，然后生成rgb.txt。然后运行

ORB-SLAM 2跑通自己的数据集一 、拍摄视频并转化为图片：二、准备索引目录文件：三、生成自己的参数配置文件TUM.yaml。复制TUM1.yaml，并修改参数即可。四、ORB-SLAM2所在的目录并运行如下命令即可：五、本次实验存在的问题： 一 、拍摄视频并转化为图片： 创建python文件，命名为：setVedio.py #coding:utf-8 import os import cv2 import numpy as np def getName(num): strTmp = [] strRes = '' while(num / 10): s

Feature Tracking and Synchronous Scene Generation with a Single Camera项目的完整版1.0，利用orb算法检测特征点，lk光流跟踪，solvepnp计算相机姿态，opengl画ar物体并实时跟踪重现。

以移动机器人视觉导航为应用背景，针对传统ORB算法在视觉SLAM中存在特征点分布不均匀、重叠特征点较多的问题，提出一种改进ORB算法。首先，对每层图像的尺度空间金字塔进行网格划分，增加空间尺度信息；其次，在特征点检测时，采用改进FAST角点自适应阈值提取，设置感兴趣区域；然后，采用非极大值抑制的方法，抑制低阈值特征点的输出；最后，使用基于区域图像特征点分布的方差数值评价待检测图像中特征点的分布情况。实验结果表明，改进ORB算法特征点的分布较为均匀，输出特征点重叠数量较少，执行时间较短。

ORB（Oriented FAST and Rotated BRIEF）是一种快速特征点提取和描述的算法。这个算法是由Ethan Rublee, Vincent Rabaud, Kurt Konolige以及Gary R.Bradski在2011年一篇名为“ORB：An Efficient Alternative to SIFTor SURF”的文章中提出。ORB算法分为两部分，分别是特征点提取和特征点描述。特征提取是由FAST（Features from Accelerated Segment Test）算法发展来的，特征点描述是根据BRIEF（Binary Robust IndependentElementary Features）特征描述算法改进的。ORB特征是将FAST特征点的检测方法与BRIEF特征描述子结合起来，并在它们原来的基础上做了改进与优化。据说，ORB算法的速度是sift的100倍，是surf的10倍。

ORB特征四叉树均匀分布算法_刘宏伟论文

提出融合遮挡感知的在线Boosting跟踪算法，该算法对跟踪结果实时进行遮挡检测，根据检测结果自适应调整分类器更新策略。该方式能够有效维护分类器特征池的纯净，提高算法在遮挡环境下的顽健性。实验结果表明，与传统的在线Boosting跟踪算法相比，改进的算法能有效解决目标遮挡问题。

orb特征提取与匹配