本篇博客主要介绍cv2中ORB模块。ORB是FAST关键点检测和BRIEF关键点描述器的结合体，并做了很多修改增强了性能。首先他使用FAST找到关键点，然后在使用Harris关键点检测对这些关键点做排序找到前N个点，他也是用金字塔从而产生尺度不变性特征。
对于描述符，ORB使用BRIEF描述符，但是BRIEF在旋转方面表现不佳，因此ORB所做的是根据关键点的方向来做引导，对于在未知(xi,yi)的n个二进制测试的任何特性集，定义一个包含这些像素租表的2 n矩阵，然后利用补丁的方向，找到旋转矩阵并旋转S，以得到引导（旋转）版本。
ORB将角度进行离散化，以增加2/30(12度），并构建一个预先计算过的简短模式的查找表，只要关键点的方向是一致的，就会使用正确的点集来计算它的描述符。
BRIEF有一个重要的属性，即每个比特的特性都有很大的方差，数据的方差大的一个好处是使得特征更容易分辨，而平均值接近于0.5,。但是一旦它沿着关键点的方向移动，它就会失去这个属性并变得更加分散。
示例代码：
import numpy as np
import cv2
import matplotlib.pyplot as plt
img = cv2.imread('../data/blox.jpg', 0)
# Initiate ORB detector
orb = cv2.ORB_create()
# find the keypoints with ORB
kp = orb.detect(img, None)
# compute the dscriptors with ORB
kp, des = orb.compute(img, kp)
# draw only keypoints location, not size and orientation
img2 = cv2.drawKeypoints(img, kp, None, color=(0, 255, 0), flags=0)
plt.imshow(img2), plt.show()
原图：
最终结果：
