影象的幾何矩：
fast演算法（用於角點檢測）：
設定乙個畫素點p和乙個閾值t，若閾值內的畫素點滿足條件，則接受p為角點（fast核心思想就是找出那些卓爾不群的點，即拿乙個點跟它周圍的點比較，如果它和其中大部分的點都不一樣就可以認為它是乙個特徵點。）
brief演算法：brief:binary robust independent elementary features
brief
演算法的核心思想是
在關鍵點
p的周圍以一定模式選取
n個點對，把這
n個點對的比較結果組合起來作為描述子。
由於brief僅僅是特徵描述子，所以事先要得到特徵點的位置，可以利用fast
特徵點檢測演算法或harris
角點檢測演算法或sift、surf等演算法檢測特徵點的位置。接下來在特徵點鄰域利用brief演算法建立特徵描述符。
orb特徵：
orb演算法分為兩部分，分別是特徵點提取和特徵點描述。特徵提取是由fast（featuresfrom accelerated segment test）演算法發展來的，特徵點描述是根據brief（binaryrobust independentelementary features）特徵描述演算法改進的。
orb演算法在尺度方面效果較差，其使用二進位制串作為特徵描述，這就造成了高的誤匹配率。orb是sift的100倍，是surf的10倍
sift（scale-invariantfeature transform）尺度不變特徵轉換：
sift四部曲之——高斯濾波
sift演算法可以將一幅影象對映（變換）為乙個區域性特徵向量集；特徵向量具有平移、縮放、旋轉不變性，同時對光照變化、仿射及投影變換也有一定的不變性。----尺度不變性
sift演算法的實質是在不同的尺度空間上查詢關鍵點，並計算出關鍵點的方向。所查詢到的關鍵點是一些十分突出，不會因光照，仿射變換和噪音等因素而變化的點，如角點、邊緣點、暗區的亮點及亮區的暗點等。
surf:全稱為「加速穩健特徵」（speeded up robust feature）,它們不僅是尺度不變特徵，而且是具有較高計算效率的特徵。
surf基本就是sift的全面公升級版，有 surf基本就不用考慮sift，而orb的強點在於計算時間，以下具體比較：
計算速度： orb>>surf>>sift（各差乙個量級）
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）
所以結論就是，如果對計算實時性要求非常高，可選用orb演算法，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。
參考：
svo半直接視覺測量(semi-directvo）只對稀疏的特徵點進行直接跟蹤,能達到很高的效率.
視覺理論學習 RANSAC與重建演算法）
表達三維場景,演算法在重建的三維物體上疊加乙個均勻的三維網格,每個網格體素儲存其中心到最近的三維物體表面間的距離.待更 稀疏重建 通常是重建一些影象特徵點的深度，這個在基於特徵的視覺slam裡比較常見，得到的特徵點的深度可以用來計算相機位姿。稀疏重建在實際應用，比如檢測，避障，不能滿足需求。半稠密重...
PMI理論學習
pmi九大知識領域 整合管理 工作範圍管理 時間管理 費用管理 質量管理 人力資源管理 溝通管理 風險管理和採購管理 和五個專案管理過程 啟動 計畫 執行 控制 收尾 九大知識領域包括 1 專案範圍管理 是為了實現專案的目標，對專案的工作內容進行控制的管理過程。它包括範圍的界定，範圍的規劃，範圍的調...
LSTM理論學習
lstm最關鍵的就是實現cell state的傳輸，而gate的存在決定傳輸過程中，以前的cell state資訊多少需要拋棄，多少輸入資訊需要加入新的cell state，多少資訊需要輸出。所以有forget,input,output三個gate 忘記多少cell state forget gat...