參考：https://blog.csdn.net/zilanpotou182/article/details/66478915（SIFT、SURF、ORB三種特征點的區別）

1.除了本書介紹的ORB特征點外，你還能找到哪些特征點？請說說SIFT或SURF的原理，並對比它們與ORB之間的優劣

　　特征點：圖像裏一些特別的地方

　　特征點的種類：SIFT、SURF、ORB、FAST

　　SIFT算法充分考慮了在圖像變換過程中出現的光照、尺度、旋轉等變化，但是這會帶來極大的計算量。

　　SURF算法的速度遠快於SIFT，SURF的魯棒性很好，特征點識別率較SIFT高，在視角、光照、尺度變化等情形下，大體上都優於SIFT。

　　ORB算法運算速度與前兩者相比速度最快，但是這種算法尺度方面效果較差，因為ORB不具備尺度變換。

　　定量比較：計算速度：ORB>>SURF>>SIFT（各差一個量級）

　　　　　　旋轉魯棒性：SURF>ORB~SIFT（表示差不多）

　　　　　　模糊魯棒性： SURF>ORB~SIFT

　　　　　　尺度變換魯棒性： SURF>SIFT>ORB（ORB並不具備尺度變換性）

　　綜上，我們在選擇特征點時的依據是如果對計算實時性要求非常高，可選用ORB算法，但基本要保證正對拍攝；如果對實行性要求稍高，可以選擇SURF；基本不用SIFT

2.設計程序調用OpenCV中的其他種類特征點。統計在提取1000個特征點時在你的機器上的運行時間。

　　首先我們要知道如果要調用opencv中的SIFT和SURF特征點，SIFT和SURF都在nonfree模塊中，所以我們就需要nonfree模塊。

　　但是在opencv3中，SURF/SIFT 以及其它的一些東西被移動到了獨立的庫(opencv_contrib)中。

　　所以首先我們需要安裝opencv_contrib：（如果你用的是opencv2可以省略安裝opencv_contrib這一步驟）

　　安裝步驟見：安裝opencv_contrib（ubuntu16.0）

　　ORB、SIFT、SURF三種特征點提取方法的代碼如下：

 1 #include <iostream>
 2 #include <opencv2/core/core.hpp>
 3 #include <opencv2/features2d/features2d.hpp>
 4 //#include <opencv2/nonfree/features2d.hpp>
 5 //#include <opencv2/nonfree/nonfree.hpp>//SIFT
 6 #include <opencv2/highgui/highgui.hpp>
 7 #include <opencv2/xfeatures2d/nonfree.hpp>//SIFT
 8 #include <chrono>
 9 
10 //using namespace xfeatures2d;
11 using namespace std;
12 using namespace cv;
13 
14 int main(int argc,char** argv)
15 {
16     if(argc!=2)
17     {
18         cout<<"usage:feature_extraction img1"<<endl;
19         return 1;
20     }
21 
22     //讀取圖像
23     Mat img_1=imread(argv[1],CV_LOAD_IMAGE_COLOR);
24 
25     //初始化
26     vector<KeyPoint> keypoints_1;//關鍵點,指特征點在圖像裏的位置
27 
28     //orb
29     chrono::steady_clock::time_point ORB_t1=chrono::steady_clock::now();
30     Ptr<ORB> orb=ORB::create(500,1.2f,8,31,0,2,ORB::HARRIS_SCORE,31,20);
31     chrono::steady_clock::time_point ORB_t2=chrono::steady_clock::now();
32     chrono::duration<double> ORB_time_used=chrono::duration_cast<chrono::duration<double>>(ORB_t2-ORB_t1);
33     cout<<"extract keypoints of ORB costs: "<<ORB_time_used.count()<<" seconds."<<endl;
34     orb->detect(img_1,keypoints_1);
35 
36     cout<<"KP1 = "<<keypoints_1.size()<<endl;//特征點的數量
37     Mat outimg1;
38     drawKeypoints(img_1,keypoints_1,outimg1,Scalar::all(-1),DrawMatchesFlags::DEFAULT);
39     imshow("1.png的ORB特征點",outimg1);
40 
41 
42 //    //SIFT
43 //    chrono::steady_clock::time_point SIFT_t1=chrono::steady_clock::now();
44 //    Ptr<xfeatures2d::SiftFeatureDetector> siftDetector_1=xfeatures2d::SiftFeatureDetector::create();
45 //    siftDetector_1->detect(img_1,keypoints_1);
46 //    chrono::steady_clock::time_point SIFT_t2=chrono::steady_clock::now();
47 //    chrono::duration<double> SIFT_time_used=chrono::duration_cast<chrono::duration<double>>(SIFT_t2-SIFT_t1);
48 //    cout<<"extract keypoints of SIFT costs: "<<SIFT_time_used.count()<<" seconds."<<endl;
49 //    Mat outImg;
50 //    drawKeypoints(img_1,keypoints_1,outImg,Scalar::all(-1),DrawMatchesFlags::DEFAULT);
51 
52 //    cout<<"KP1 = "<<keypoints_1.size()<<endl;
53 //    imshow("1.png的SIFT特征點",outImg);
54 
55 //    //SURF
56 //    chrono::steady_clock::time_point SURF_t1=chrono::steady_clock::now();
57 //    Ptr<xfeatures2d::SurfFeatureDetector> surfDetector_1=xfeatures2d::SurfFeatureDetector::create();
58 //    surfDetector_1->detect(img_1,keypoints_1);
59 //    chrono::steady_clock::time_point SURF_t2=chrono::steady_clock::now();
60 //    chrono::duration<double> SURF_time_used=chrono::duration_cast<chrono::duration<double>>(SURF_t2-SURF_t1);
61 //    cout<<"extract keypoints of SURF costs: "<<SURF_time_used.count()<<" seconds."<<endl;
62 //    Mat outImg;
63 //    drawKeypoints(img_1,keypoints_1,outImg,Scalar::all(-1),DrawMatchesFlags::DEFAULT);
64 //    cout<<"KP1 = "<<keypoints_1.size()<<endl;
65 //    imshow("1.png的SURF特征點",outImg);
66     waitKey(0);
67 
68     return 0;
69 }

　　實驗結果：原始圖像為：

　　　　　1) ORB

　　　　　2) SIFT

　　　　 3) SURF

　　　　分析：可見，計算速度是ORB最快，SURF次之，SIFT最慢。

　　　　但是為什麽基於同一張圖片提取特征點，三種方法提取出的特征點數目不一樣而且相差還很多呢？應該是因為三種方法的原理決定的吧。

《視覺SLAM十四講》課後習題—ch7（更新中……）