SIFT特征点单目深度估计点云稀疏重建和基于ORB特征的双目重建

SIFT特征的源码并没有开源，但是在opencv_contrib里面有调用的接口：
直接看SIFT特征的翻译吧：
SIFT

#include <opencv2/xfeatures2d.hpp>
Ptr<Feature2D> sift = xfeatures2d::SIFT::create(0, 3, 0.04, 10);
// 这四个参数都是按照论文填写

目标是要是实现：
1、在单目不同图像之间，利用SIFT特征点的匹配，精准计算出相机下一帧相对于上一帧的R和T
2、在已知相机内参数的情况下，用R、T以及匹配特征点的（u，v）可以进行三角测量，估计上一帧的特诊点深度
3、将深度点转化成点云，保留BGR颜色参数，构建XYZBGR类型点云，存储文件并查看点云

Image files 如下：

这是作者从不同的角度对物体进行拍摄的结果
单目重建如果不利用精准的特征点匹配算法，就无法消除深度估计上的尺度不确定性，但是一旦采用SIFT或者SURF这种在时间复杂度上不占优势的特征提取算法就无法达到实时重建，而只能先拍照再离线重建，所以就需要一个妥协的策略，ORB特征是实时性和深度估计准确性的一个权宜产物。

Point Cloud：

使用单目相机的话，只能达到稀疏重建的效果，而稀疏重建的点则是检测出的特征关键点，因为不能把所有点当做特征点进行图像的match，所以单目只能运用于分析物体的外型，进行稀疏的map

点击下方获取源码链接：
提取码：3ytv

关于ORB实时重建的过程详细可以参考以下论文翻译和链接：
论文翻译
ORBSLAM2

其实看起来SLAM跟SFM还是不太一样的，我也不要这个轨迹图啊，下一步打算一步步改一下原来的project，希望先把高翔书上的fredenburg RGB-D 数据集先跑个稠密重建的结果出来~

今天的文章SIFT特征点单目深度估计点云稀疏重建和基于ORB特征的双目重建分享到此就结束了，感谢您的阅读。