第四章：视觉特征提取与匹配（传统方法）
说到视觉定位，特征提取与匹配是绕不开的基础。我刚开始做SLAM那会儿，用的还是SIFT，那时候GPU还不普及，跑一帧图像要几百毫秒。现在回想起来，真是又慢又幸福——慢是因为算力有限，幸福是因为SIFT确实稳。
这一章，我们聊聊传统方法里的三剑客：SIFT、SURF、ORB。别觉得它们过时了，很多工业场景里，传统方法依然比深度学习靠谱。你想想看，一个嵌入式设备上跑深度学习特征提取，功耗和延迟都扛不住。
4.1 SIFT：尺度不变特征变换
SIFT是2004年Lowe提出的，到现在快20年了，依然是特征提取的标杆。它的核心思想很简单：在不同尺度空间里找极值点。
关键步骤：
- 尺度空间构建：用高斯金字塔模拟图像的多尺度
- 极值点检测：在DoG（高斯差分）空间找局部极值
- 关键点定位：去掉低对比度和边缘响应点
- 方向分配：统计梯度方向直方图，给每个点分配主方向
- 描述子生成：在16x16邻域内计算8方向梯度直方图，形成128维向量
我个人的经验：SIFT的128维描述子虽然鲁棒，但匹配时计算量很大。我在做三维重建项目时，5000个特征点暴力匹配要花1秒多。后来改用FLANN索引，速度提升了10倍。
4.2 SURF：加速版SIFT
SURF是SIFT的改进版，2006年提出。它用Hessian矩阵的行列式检测特征点，用Haar小波响应生成描述子。
SURF vs SIFT：
| 对比项 | SIFT | SURF |
|---|---|---|
| 检测方法 | DoG极值 | Hessian行列式 |
| 描述子维度 | 128维 | 64维（默认） |
| 旋转不变性 | 强 | 较强 |
| 速度 | 慢 | 快3-5倍 |
避坑指南：我曾经在纹理稀疏的场景里用SURF，结果特征点数量不够，导致匹配失败。后来我学乖了——纹理少的地方，优先用SIFT或者加大阈值。
4.3 ORB：实时应用的王者
ORB是2011年提出的，结合了FAST角点检测和BRIEF描述子。它的特点是快，非常快。在手机上跑30fps毫无压力。
ORB的核心改进：
- FAST角点：检测速度快，但缺乏方向信息
- rBRIEF描述子：在BRIEF基础上加入旋转不变性
- 二进制描述子：用汉明距离匹配，比欧氏距离快一个数量级
为什么ORB适合SLAM？因为SLAM需要实时性。我记得在ORB-SLAM2里，每帧提取1000个ORB特征点只需要20ms左右，而SIFT要200ms以上。
4.4 特征匹配：暴力匹配 vs FLANN
特征匹配说白了就是找两幅图像里最像的特征点对。有两种主流方法：
暴力匹配（Brute-Force）：
- 原理：对每个特征点，计算与所有候选点的距离
- 复杂度：O(n²)，n是特征点数量
- 适用场景：特征点少（<1000）或精度要求高
FLANN（快速最近邻搜索）：
- 原理：构建KD树或LSH索引，加速搜索
- 复杂度：O(n log n)
- 适用场景：特征点多（>1000）或实时性要求高
注意：FLANN虽然快，但有时会漏掉正确的匹配。我建议在精度要求高的场景（比如三维重建）用暴力匹配+交叉验证，在实时场景（比如VIO）用FLANN。
4.5 对极几何与基础矩阵
对极几何描述的是两幅图像之间的几何约束。核心是基础矩阵F，它把左图的点映射到右图的极线上。
基础矩阵F的性质：
- 3x3矩阵，秩为2
- 自由度为7
- 满足极线约束：x'^T F x = 0
怎么求F？最常用的是八点法。我做过实验，在噪声大的场景里，八点法容易受外点影响。后来改用RANSAC+八点法，鲁棒性好了很多。
4.6 本质矩阵与单应矩阵
本质矩阵E：是基础矩阵在归一化坐标下的特例。它包含了相机的旋转和平移信息。
- E = t^× R
- 自由度为5（3旋转+3平移，去掉尺度）
- 用于已知内参的场景
单应矩阵H：描述的是平面场景下的点对应关系。
- H是3x3矩阵，自由度为8
- 当场景近似平面或相机纯旋转时，用H更合适
- 求解方法：DLT（直接线性变换）
我的选择策略：在SLAM初始化时，我会同时计算F和H，然后根据得分选择哪个模型更合适。如果场景是平面（比如桌面），H的得分会更高；如果是非平面场景，F更靠谱。
4.7 知识体系总览
下面这张图总结了本章的核心逻辑，从特征提取到几何约束，每一步都有对应的应用场景。
从这张图可以看出来，整个流程是串行的：先提取特征，再生成描述子，然后匹配，最后用几何约束求解位姿。每一步都有多种选择，具体用哪个取决于你的应用场景。
我的建议：如果你是做移动端SLAM，ORB+FLANN+单应矩阵初始化是个不错的组合。如果是做高精度三维重建，SIFT+暴力匹配+基础矩阵更靠谱。没有银弹，只有权衡。
好了，这一章的内容就到这里。特征提取与匹配是视觉定位的基石，理解透了，后面的深度学习方法和端到端定位才能学得更扎实。