企业官网建设流程全解析

从这篇开始，我们正式进入视觉SLAM的前端部分。前端的第一件事就是特征提取——从图像里找出那些"有辨识度"的点，方便后续匹配和跟踪。

特征提取听起来简单，其实是视觉SLAM的地基。地基不牢，后面的位姿估计、建图全都会出问题。面试的时候，特征提取是必考内容，你得清楚ORB、SIFT、SuperPoint各自的特点、优缺点和适用场景。很多面试官自己就做过SLAM系统，对特征提取的理解很深，你得准备好才能过关。

什么是"好"的特征点

在聊具体算法之前，先想想什么样的点算"好"特征。

好特征要有区分度。一面白墙上的点长得都一样，没法用来定位。但墙角、桌角、文字边缘这种地方，每个点都有独特的邻域模式，很容易在不同图像里被识别出来。

好特征要稳定。不管相机怎么动、光照怎么变，这个点都应该能被检测到。如果一个特征只在特定角度才出现，那它的实用性就很差。

好特征要计算快。SLAM是实时系统，每帧图像的处理时间有严格限制。特征提取如果太慢，整个系统就跑不起来。

这三个要求——区分度、稳定性、速度——往往是互相矛盾的。不同的特征提取算法就是在三者之间做不同的取舍。

SIFT：经典但慢

SIFT（Scale-Invariant Feature Transform）是2004年David Lowe提出的。它的核心思想是在尺度空间里找极值点，然后用128维的描述子来表征每个特征点周围的外观。

SIFT的优点很明显：尺度不变性（不同距离拍同一个物体，特征都能匹配上）、旋转不变性、对光照变化也有不错的鲁棒性。描述子是128维的浮点向量，区分度很高。

但SIFT有个致命问题：慢。构建尺度空间、检测极值点、计算描述子，整个流程的计算量很大。在嵌入式平台上，一帧图像提取SIFT特征可能要几百毫秒，根本满足不了实时要求。

import cv2 # SIFT特征提取（OpenCV） sift = cv2.SIFT_create() keypoints, descriptors = sift.detectAndCompute(gray_img, None) # descriptors: N×128的float32数组

SIFT的专利在2020年过期了，现在OpenCV里可以免费使用。但在SLAM这种实时场景下，SIFT已经很少被用作默认选择了。

ORB：SLAM的主流选择

ORB（Oriented FAST and Rotated BRIEF）是2011年提出的，专门为实时应用设计。它是视觉SLAM里用得最多的特征提取方法，ORB-SLAM系列就靠它吃饭。

ORB的思路很直接：用FAST算法检测特征点，用BRIEF算法生成描述子，再加上旋转不变性的改进。

FAST角点检测极快。它看一个像素周围的16个像素，如果有连续N个像素都比中心像素亮或暗一定阈值，就认为这是个角点。计算量非常小，只需要做几次加减法和比较，适合实时系统。FAST有三个常用变体：FAST-9、FAST-10和FAST-12，数字代表需要连续满足条件的像素数量，越多越严格但越稳定。

BRIEF描述子是二进制的。它通过比较特征点邻域内随机选取的像素对的灰度值，生成一个256位的二进制串。匹配的时候用汉明距离，一个XOR运算就搞定了，比浮点运算快得多。

# ORB特征提取（OpenCV） orb = cv2.ORB_create(nfeatures=2000) keypoints, descriptors = orb.detectAndCompute(gray_img, None) # descriptors: N×32的uint8数组（256位=32字节）

ORB的缺点是描述子的区分度不如SIFT。256位的二进制描述子能表达的信息量有限，在纹理简单的场景下容易出现误匹配。而且FAST检测的角点在视角变化大的时候不够稳定。

SuperPoint：深度学习的降维打击

SuperPoint是2018年提出的，用深度学习来训练特征提取器。它的思路是：让神经网络自己学什么样的点是好特征，而不是用手工设计的规则。

SuperPoint的输出和ORB类似——关键点和描述子。但描述子是256维的浮点向量，信息量比ORB的256位二进制描述子丰富得多。关键点的检测也更稳定，对光照变化和视角变化的鲁棒性都更好。

# SuperPoint推理（简化版） from superpoint import SuperPoint sp = SuperPoint() result = sp.run(gray_img) keypoints = result['keypoints'] # N×2坐标 descriptors = result['descriptors'] # N×256浮点描述子

SuperPoint的缺点是计算量比ORB大。虽然比SIFT快，但在低端嵌入式平台上仍然有压力。而且它需要GPU才能跑满速度，纯CPU推理会慢一些。

SuperPoint的网络结构分为两部分：关键点检测头和描述子提取头。两个头共享底层的特征提取网络，所以计算效率还不错。关键点检测头输出每个像素是角点的概率图，描述子提取头输出每个像素的256维描述子向量。训练数据是用虚拟场景合成的，这让它对真实场景的泛化能力有时候不够理想。

后来还出现了SuperPoint的改进版本，比如R2D2和ALIKE。ALIKE专门针对SLAM场景做了优化，在保持精度接近SuperPoint的同时，计算速度快了不少。这些新方法值得关注，但目前还没有成为SLAM的主流选择。

面试中怎么对比这三种方法

面试官问"ORB和SIFT的区别"，你要从四个维度回答：

速度：ORB远快于SIFT。ORB的特征提取可以在几毫秒内完成，SIFT要几十到几百毫秒。

描述子维度：SIFT是128维浮点，ORB是256位二进制。ORB匹配用汉明距离，SIFT用欧氏距离。ORB匹配更快，但区分度稍差。

不变性：SIFT的尺度和旋转不变性更好。ORB只有旋转不变性（FAST本身不具备尺度不变性，ORB通过构建图像金字塔来弥补）。

实际选择：实时SLAM系统（ORB-SLAM、VINS）普遍用ORB。离线三维重建、图像匹配等对精度要求高的场景可以用SIFT。SuperPoint是新兴方案，精度好但部署门槛高。

简单总结一下：ORB是性价比之王，SIFT是精度之王，SuperPoint是未来之星。做SLAM选ORB，做三维重建考虑SIFT，有GPU资源可以试SuperPoint。

"为什么ORB-SLAM选择ORB而不是SIFT？" 因为SLAM是实时系统，每帧处理时间必须控制在几十毫秒以内。SIFT的特征提取太慢，会拖累整个系统的帧率。ORB虽然描述子区分度差一些，但速度快一个数量级，配合好的匹配策略（比如交叉验证、几何验证），完全能满足SLAM的需求。

"SuperPoint会取代ORB吗？" 短期内不会。SLAM系统对可靠性和实时性的要求很高，深度学习方法的部署复杂度（需要GPU、模型版本管理、推理延迟不确定）是实际落地的障碍。但在算力充足的平台上，SuperPoint确实能提供更好的特征质量。

工程实践中的经验

实际做SLAM项目的时候，特征提取有几个要注意的点。

第一，特征点的数量不是越多越好。太多特征点会增加匹配的计算量，而且低质量的特征点反而引入噪声。ORB-SLAM2默认提取2000个特征点，这个数量在大多数场景下够用了。

第二，特征点要均匀分布。如果所有特征都集中在图像的某个区域（比如纹理丰富的桌面），其他区域（比如白墙）没有特征，位姿估计的鲁棒性会很差。ORB-SLAM用网格化的方式来保证特征点均匀分布。

第三，不同层的特征有不同用途。金字塔底层的特征定位精确但尺度小，顶层的特征尺度大但定位粗糙。好的系统会分层使用不同层级的特征。

第四，特征提取的参数要根据场景调整。室内纹理丰富的环境可以降低特征点数量，室外大场景需要更多特征点。ORB-SLAM允许你配置每帧提取的最大特征点数，根据实际场景调一调，效果会好很多。

特征提取是视觉SLAM的第一步，选对了方法后面的路就顺了。

上一篇：第238篇 SLAM中的优化vs滤波——两大技术路线的选择

下一篇我们聊特征匹配——提取出特征之后，怎么在不同图像之间找到对应的点，以及怎么剔除误匹配。

如果这篇文章对你有帮助，欢迎点赞支持一下，你的鼓励是我持续更新的动力！