Feature Extraction

正如我们描述一个物体，需要点明颜色、形状、材质等“关键词”一样，当我们处理图片的时候，也要着重关注能反映或描述图像本质的“ 特征（feature）”。这里的特征包括全局特征（直方图、方差）和局部特征（角点、边缘点）等。

角点检测（Corner Detection）是计算机视觉系统中用来获得图像特征的一种重要方法，也称为特征点检测（Feature Point Detection）。如果某一点在任意方向的一个微小变动都会引起灰度很大的变化，那么我们就把这个点称为图像的一个角点（Corner）。更形象一点的话，我们可以把角点理解为平面的交汇处或者边的交点，导致交点的局部区域具有多个不同区域的不同方向的边界。

可靠的特征提取应该包含以下特性：

1. 对图像的旋转和尺度变化具有不变性；

2. 对三维视角变化和光照变化具有很强的适应性；

3. 局部特征在遮挡和场景杂乱时仍保持不变性；

4. 特征之间相互区分的能力强，有利于匹配；

5. 数量较多，一般500×500的图像能提取出约2000个特征点。

在本章中我们主要介绍两个在SLAM领域中经常使用的 Harris 和 ORB 特征点。