4. 特征点提取与匹配：从角点到描述子的实战选择
特征点提取与匹配，是位姿估计的基石。说白了，你连两张图上的点都对应不上，后面算旋转平移全是空谈。我这些年踩过的坑，有一半都跟特征点选型有关。今天咱们就把 Harris、SIFT、SURF、ORB 这四位主角，以及暴力匹配、FLANN、RANSAC 这三板斧，一次性讲透。
4.1 四大特征点提取器：谁是你的菜？
先看一张总览表，心里有个底：
| 特征 | 核心思想 | 旋转不变 | 尺度不变 | 速度 | 典型场景 |
|---|---|---|---|---|---|
| Harris | 角点响应函数 R = det(M) - k·trace²(M) | 弱 | 无 | 极快 | 标定板、纹理丰富场景 |
| SIFT | DoG 尺度空间 + 梯度直方图描述子 | 强 | 强 | 慢 | 高精度三维重建、大视角变化 |
| SURF | Hessian 矩阵 + Haar 小波描述子 | 强 | 强 | 中等 | 实时性要求不高的 SLAM |
| ORB | FAST 角点 + rBRIEF 描述子 | 中等 | 无（图像金字塔补偿） | 极快 | 嵌入式设备、实时 VIO |
4.2 Harris 角点：经典但有限
Harris 的原理很简单：窗口往任意方向移动，灰度变化都很大，那就是角点。我早期做棋盘格标定时，经常用它来提取内角点——又快又准。
核心公式：R = det(M) - k·trace²(M)，其中 M 是结构张量。k 一般取 0.04~0.06。
但要注意，Harris 没有尺度不变性。你想想看，相机一拉远，角点可能就变成边缘了。所以它只适合尺度固定的场景，比如标定板、近距离纹理匹配。
我的习惯：在标定场景中，我会把 Harris 的 k 值调小到 0.04，让响应更敏感，多检出一些候选点，然后用非极大值抑制去重。
4.3 SIFT：精度之王，但慢
SIFT 是特征点里的「老大哥」。它通过 DoG（Difference of Gaussian）构建尺度空间，然后在尺度空间里找极值点。每个点还会分配主方向，所以旋转不变性很强。
我记得有一次做古建筑三维重建，场景光照变化极大，视角也转了 60 度。ORB 和 SURF 都掉了很多匹配，只有 SIFT 稳住了。但代价是什么？一张 1080p 的图，SIFT 要跑 300 毫秒，ORB 只要 15 毫秒。
避坑指南：我曾经在无人机平台上用 SIFT，结果飞控 CPU 直接满载，帧率掉到 5fps。后来换 ORB 才解决问题。SIFT 适合离线处理或 GPU 加速场景，别在嵌入式上硬跑。
4.4 SURF：SIFT 的加速版
SURF 用 Hessian 矩阵的行列式来检测特征点，并用 Haar 小波响应来构建描述子。它比 SIFT 快 3~5 倍，但精度只差一点点。
我个人的经验是：如果你需要尺度不变性，但 CPU 资源又有限，SURF 是个不错的折中。不过现在 ORB 太流行了，SURF 的位置有点尴尬——比 SIFT 快但不如 SIFT 准，比 ORB 准但不如 ORB 快。
4.5 ORB：实时 SLAM 的标配
ORB = FAST 角点 + rBRIEF 描述子。FAST 负责快速找角点，rBRIEF 负责给每个角点算一个二进制串。匹配时用汉明距离，比欧氏距离快一个数量级。
ORB 没有尺度不变性，但可以通过图像金字塔来补偿。旋转不变性靠灰度质心法算主方向，效果还行。
关键参数：nfeatures（特征点数量，默认 500）、scaleFactor（金字塔缩放因子，默认 1.2）、nlevels（金字塔层数，默认 8）。
嗯，这里要注意：ORB 的特征点分布不太均匀，容易扎堆在纹理丰富的区域。我一般会加上网格化策略——把图像分成 4×4 的格子，每个格子最多提取 30 个点，这样分布更均匀。
4.6 特征匹配：暴力匹配 vs FLANN
特征点提取完了，接下来就是匹配。两种主流方式：
- 暴力匹配（Brute-Force）：对每个特征点，遍历另一张图的所有特征点，找最近邻。简单粗暴，但慢。适合特征点少于 2000 的场景。
- FLANN（Fast Library for Approximate Nearest Neighbors）：用 KD-Tree 或 LSH 做近似搜索。快，但偶尔会漏掉正确匹配。适合特征点多的场景。
我个人的选择标准：
| 场景 | 推荐匹配方式 | 理由 |
|---|---|---|
| 特征点 < 1000 | 暴力匹配 | 实现简单，无近似误差 |
| 特征点 > 5000 | FLANN | 速度快 5~10 倍 |
| ORB 二进制描述子 | 暴力匹配（汉明距离） | FLANN 对汉明距离支持不如暴力匹配直接 |
| SIFT/SURF 浮点描述子 | FLANN（欧氏距离） | KD-Tree 效率高 |
小技巧：暴力匹配时，可以用 cv::BFMatcher::knnMatch 返回前 2 个最近邻，然后做比率测试（ratio test）。比率一般取 0.7~0.8，能筛掉大量误匹配。
4.7 RANSAC：最后的防线
匹配完了，里面肯定有误匹配。RANSAC（Random Sample Consensus）就是用来剔除这些「坏点」的。
它的思路很简单：随机选 4 对匹配点算一个单应矩阵或基础矩阵，然后看有多少其他匹配点符合这个模型。重复 N 次，选内点最多的那个模型。
关键参数：
- 阈值：判断内点的距离阈值，一般取 1~3 像素。
- 迭代次数：默认 2000，但可以根据内点比例动态调整。
- 置信度：一般设 0.99，表示至少有一次采样全是内点的概率。
我曾经遇到过一个坑：场景里有很多重复纹理（比如瓷砖地面），RANSAC 怎么都收敛不到正确模型。后来我把阈值从 3 像素降到 1 像素，内点比例从 30% 降到 15%，但模型精度反而提升了。嗯，阈值不是越大越好。
避坑指南：RANSAC 不是万能的。如果误匹配比例超过 50%，RANSAC 基本就失效了。这时候应该回头优化特征提取和匹配环节，而不是指望 RANSAC 来救场。
4.8 完整流程：从图像到匹配点对
把上面所有环节串起来，就是一套完整的特征点提取与匹配流程。我画了一张图，帮你理清逻辑：
4.9 实战建议：选型决策树
最后，我总结了一个简单的选型决策逻辑，你直接套用就行：
- 嵌入式设备（树莓派、手机）？ → ORB + 暴力匹配（汉明距离）+ RANSAC
- 高精度离线重建？ → SIFT + FLANN（欧氏距离）+ RANSAC
- 实时 SLAM 但 CPU 还行？ → ORB + FLANN（汉明距离）+ RANSAC
- 标定板或固定尺度场景？ → Harris + 暴力匹配 + RANSAC
我的习惯：不管用哪种特征，我都会在 RANSAC 之后再做一次对称性测试——检查匹配是否双向一致。这步能再筛掉 5%~10% 的误匹配，代价只是多一次查表。
特征点提取与匹配，说难不难，说简单也不简单。关键是要理解每种方法的适用边界，别拿 SIFT 去跑嵌入式，也别拿 ORB 去做高精度重建。选对了工具，后面位姿估计的精度自然就上去了。