第三章：视觉特征提取与匹配
各位同学，今天我们来聊聊视觉SLAM里最基础、也最核心的一环——特征提取与匹配。说实话，我刚入行那会儿，觉得这步就是调个OpenCV函数，没什么技术含量。直到我在一个低纹理的仓库里做AGV定位，特征点疯狂丢失，我才意识到：特征选不好，后面全白搞。
3.1 FAST角点：快，但不够聪明
FAST角点，全称是Features from Accelerated Segment Test。名字里就带个"加速"，它的核心思想很简单：如果一个像素和它周围一圈的像素差别很大，那它很可能是个角点。
具体怎么判断？我习惯用16个像素的圆环来做测试。如果连续N个像素（通常N=9或12）都比中心点亮或暗一个阈值，那就判定为角点。
FAST角点的核心逻辑：
- 速度快，适合实时系统
- 没有方向信息，旋转后匹配会出问题
- 对尺度变化敏感，图像拉近拉远就找不到了
我在项目中遇到过一个问题：用FAST在室内走廊提取特征，结果墙上的纹理和踢脚线边缘全被当成角点。嗯，这时候就需要加一个非极大值抑制，不然特征点扎堆，匹配时全是歧义。
避坑指南：我曾经在低光照环境下用FAST，阈值设得太小，结果全是噪声点。后来我改成自适应阈值，根据图像局部亮度动态调整，效果好了很多。
3.2 ORB特征：FAST的升级版
ORB，全称Oriented FAST and Rotated BRIEF。说白了，它就是在FAST的基础上加了两个东西：方向和描述子。
方向怎么加？用灰度质心法。你想想看，一个角点周围像素的灰度分布，其实隐含了方向信息。我算一下质心，从角点到质心的向量，就是主方向。
描述子用的是BRIEF的改进版。BRIEF本质上是比较一对像素的灰度大小，生成一个二进制串。ORB加了个旋转补偿，让描述子具备旋转不变性。
我的经验：ORB在嵌入式设备上特别好用。我在一个基于树莓派的视觉里程计项目里，用ORB提取300个特征点，每帧处理时间控制在15ms以内。相比SIFT，ORB的速度优势是数量级的。
ORB的尺度不变性怎么解决？其实它没有真正解决，而是靠图像金字塔。我一般建4层金字塔，每层缩放0.8倍，这样能应对一定范围的尺度变化。
3.3 SIFT特征简述：精度之王，但慢
SIFT，Scale-Invariant Feature Transform。这玩意儿是特征提取界的"老大哥"，精度高、鲁棒性强，但计算量也大得吓人。
SIFT的核心思想是：在尺度空间中找极值点。它用高斯差分金字塔来模拟尺度变化，然后在不同尺度下检测关键点。每个关键点还会分配一个主方向，生成128维的描述子。
| 特征 | 旋转不变性 | 尺度不变性 | 光照鲁棒性 | 速度 |
|---|---|---|---|---|
| FAST | 无 | 无 | 一般 | 极快 |
| ORB | 有 | 有限（金字塔） | 较好 | 快 |
| SIFT | 有 | 有 | 优秀 | 慢 |
我记得有一次做户外大场景重建，用ORB匹配出来的点对，在远处建筑物上全是错的。换成SIFT后，虽然每帧处理时间从20ms变成了200ms，但匹配质量明显提升。所以，选特征就是选取舍。
注意：SIFT是有专利的，商用项目要小心。不过OpenCV里已经把它放到nonfree模块了，学术研究随便用。
3.4 特征匹配：暴力匹配 vs FLANN
特征提取完了，接下来就是匹配。说白了，就是找两帧图像里哪些特征点是同一个物理点。
3.4.1 暴力匹配
暴力匹配，Brute-Force Matcher。思路简单粗暴：对每个特征点，计算它和另一帧所有特征点的距离，取最近的那个。
距离怎么算？二进制描述子（ORB）用汉明距离，浮点描述子（SIFT）用欧氏距离。
// OpenCV中的暴力匹配示例
cv::BFMatcher matcher(cv::NORM_HAMMING);
std::vector<cv::DMatch> matches;
matcher.match(descriptors1, descriptors2, matches);暴力匹配的优点是简单、准确。缺点是慢——特征点一多，复杂度是O(n²)。我试过在5000个特征点的情况下做暴力匹配，一帧花了300ms，这显然不现实。
3.4.2 FLANN匹配
FLANN，Fast Library for Approximate Nearest Neighbors。它用KD-Tree或LSH等数据结构，做近似最近邻搜索。速度比暴力匹配快一个数量级。
// FLANN匹配示例
cv::FlannBasedMatcher flannMatcher;
std::vector<cv::DMatch> matches;
flannMatcher.match(descriptors1, descriptors2, matches);我个人的习惯是：特征点少于500个用暴力匹配，多于500个用FLANN。FLANN虽然快，但偶尔会漏掉正确的匹配，不过对于SLAM系统来说，后面还有RANSAC兜底，问题不大。
小技巧：FLANN的参数需要调。我一般设置KD-Tree的树数量为4，搜索时的检查次数为32。这个配置在大多数场景下表现不错。
3.5 RANSAC剔除误匹配
匹配完的特征点对里，肯定有错的。为什么？因为图像里可能有重复纹理、光照变化、遮挡。这时候就需要RANSAC（Random Sample Consensus）来剔除误匹配。
RANSAC的核心思想是：随机选一小部分点对，拟合一个模型，然后看其他点对是否符合这个模型。符合的越多，模型越可信。
在视觉里程计里，我们通常用RANSAC来求解基础矩阵或单应矩阵。具体步骤：
- 随机选4对匹配点（基础矩阵需要8对，但可以用归一化方法简化）
- 计算模型参数
- 计算所有匹配点到模型的投影误差
- 误差小于阈值的点算内点，否则算外点
- 重复步骤1-4，找到内点最多的模型
// OpenCV中RANSAC求解基础矩阵
cv::Mat mask;
cv::Mat F = cv::findFundamentalMat(
points1, points2,
cv::FM_RANSAC,
3.0, // 重投影误差阈值
0.99, // 置信度
mask // 输出内点掩码
);关键参数：
- 阈值：一般设1-3个像素。设太小会丢掉好点，设太大则误匹配混进来
- 迭代次数：理论上越多越好，但实际设500-2000次就够了
- 置信度：0.99表示99%的概率至少有一次采样全是内点
我曾经在一个动态场景里做RANSAC，结果发现内点率只有30%。为什么？因为场景里有行人走动，这些运动点对基础矩阵来说是"外点"，但RANSAC把它们全剔除了。后来我加了运动一致性检查，效果才好转。
避坑指南：RANSAC不是万能的。如果误匹配率超过50%，RANSAC基本就失效了。这时候你需要回头检查特征提取和匹配的环节，而不是死磕RANSAC的参数。
3.6 总结与实战建议
好了，这一章的内容就这些。我最后给几个实战建议：
- 选特征：嵌入式用ORB，PC端追求精度用SIFT，实时性要求极高用FAST
- 匹配策略：先粗匹配（FLANN），再精匹配（RANSAC），最后用双向匹配再过滤一遍
- 阈值调优：不要用固定阈值。我习惯根据图像亮度分布动态调整FAST阈值
- 调试技巧：把匹配结果可视化出来，一眼就能看出问题在哪
下一章我们会讲光流法，那是一种完全不同的特征跟踪思路。到时候你会看到，有些场景下光流比特征匹配更靠谱。
嗯，今天就到这里。有问题随时问我。