ORB特征点：
特征点是由关键点和描述子两部分组成，关键点是指特征点在图像中的位置，描述子是用来描述关键点周围的像素信息。ORB关键点是在FAST关键点的基础上进行改进给像素增加了一个主方向，称为Oriented FAST。描述子在BRIEF的基础上加入了上述的方向信息，称为Steered BRIEF。
FAST关键点：
FAST关键点是一种检测角点的方法。一个像素与它周围像素的差值达到一定阈值，并且达到一定的像素数量，这个像素就有可能是角点。
提取思想：
1.设定选取的像素值为Ip。
2.设定阈值为T，一般为Ip的20%
3.以选取的像素为中心，选取半径为3的圆上的16个像素点。
4.若选取的16个像素点中有N个像素灰度值大于/小于Ip+T/Ip-T，则可认为该像素点为角点。
5.遍历图像的每一个像素点，循环执行上述步骤。
图像金字塔：
FAST关键点存在尺度问题，ORB特征点使用构建图像金字塔的方式来规避这个问题。我们在对不同图像特征点进行特征匹配时，可以匹配不同图像的不同金字塔层级来提取到特征点，实现尺度不变性。
灰度质心法：
利用灰度质心法求出关键点的方向（形心指向质心），将所有图像都旋转到这个方向从而实现旋转不变性。
1.函数声明：
/*
1.image 是矩阵的形式代表某层金字塔的图像。
2.pt 特征点坐标
3.u_max 图像块每一行的最大边界。
*/
static float IC_Angle(const Mat& image, Point2f pt, const vector<int> & u_max)
//static 关键字表示该函数的作用域是局限于其定义的源文件内。
//cv::Point2i 是OpenCV库中的一个数据结构，表示二维平面上的一个点，使用的是整数坐标。也可以是 cv::Point2f cv::Point2d2.函数定义：
我们处理的是一个圆形区域，圆具有对称性，我们利用对称性可以一次性的索引多行像素。从而可以实现加速计算圆的灰度质心。
步骤：
1.初始化两个一阶矩：
int m_01 = 0, m_10 = 0;//初始化一阶矩，前为y，后为x。2.首先先索引中心线：先求出水平坐标轴上的所有一阶矩。
3.以水平坐标轴为轴线，一次性的索引上下两侧的坐标。
4.代码解析：
static float IC_Angle(const Mat& image, Point2f pt, const vector<int> & u_max//模板类point的别名,vector<int> 动态数组模板类。
{
int m_01 = 0, m_10 = 0;//初始化一阶矩，前为y，后为x。
//获取中心点灰度值
const uchar* center = &image.at<uchar> (cvRound(pt.y), cvRound(pt.x));
//<uchar>单通道灰度图像，<cv::Vec3b>三通道彩色图。
//cvRound 是 OpenCV 中的函数，它将浮点数四舍五入为最近的整数。
//at<uchar>(...) 是 cv::Mat 提供的一个成员函数，用于访问指定位置的像素值。
// Treat the center line differently, v=0。处理中心行。
for (int u = -HALF_PATCH_SIZE; u <= HALF_PATCH_SIZE; ++u)
m_10 += u * center[u];//中心线的一阶矩之和。
// Go line by line in the circuI853lar patch
int step = (int)image.step1();//.step1()图像一行包含的字节数
//v=0为中心线，然后对称的对成对的两行进行遍历，提升了计算速度。
for (int v = 1; v <= HALF_PATCH_SIZE; ++v)
{
// Proceed over the two lines
int v_sum = 0;
int d = u_max[v];
for (int u = -d; u <= d; ++u)
{
//val_plus中心线下方，val_minus中心线上方。
int val_plus = center[u + v*step], val_minus = center[u - v*step];
v_sum += (val_plus - val_minus);//图像坐标y方向向下，故求和要进行相减。
m_10 += u * (val_plus + val_minus);
}
m_01 += v * v_sum;
}
return fastAtan2((float)m_01, (float)m_10);//fastAtan2 是 OpenCV 提供的一个函数，用于计算给定两个坐标(x,
标签：vector,Angle,特征,像素,源码,灰度,图像,关键点
From： https://blog.csdn.net/2301_76831056/article/details/143349528