Computer vision 与SIFT比较的BRIEF和ORB的优缺点

我正在做一些关于局部特征表示的研究，比如SIFT、SURF等等

---

现在，这里有没有人试过？如果是这样的话，你能讨论一下什么是赞成和反对分别进行筛选吗？

是我发现有帮助的一个比较。从本质上讲，简短和ORB要快得多。这里没有很好的尺度不变性比较，但我个人发现SURF/SIFT比BRIENT和ORB更具尺度不变性。我建议，如果你打算将它们用于特定的用例，你可以尝试两者，看看哪一个最能满足你的需求。

SURF/SIFT使用需要以某种方式付费的专利。我不了解这方面的最新情况，但成本可能很大。因此，如果可能的话，我会选择ORB——当然，如果你不在乎钱的话除外：）

SIFT：该算法在美国获得专利；业主是英属哥伦比亚大学。（）

---

SURF：该算法的应用在美国获得专利。（）

我建议首先使用SURF/SIFT，然后，只有在特征提取是一个瓶颈的情况下，再探索其他方法，如GPU实现或BRIENT/ORB。我发现与SIFT和SURF相比，BRIENT和ORB背后的理论更容易理解，所以我实际上会推荐相反的方法。二进制描述符，如简短的被证明是更好的冲浪描述符，因为他们的…嗯…二进制性质。计算汉明距离比欧几里得距离快得多，更不用说存储优势了。除此之外，我还建议大家阅读每一篇文章。例如，因为SURF出现在ORB之前，所以原始文件不会提供与ORB的比较，所以您必须寻找其他地方。关于ORB的论文也提供了它。ORB不是尺度不变的：请不要把模糊的假设作为答案。如果你不能提供一些参考资料，那么你的答案只能起到有限的作用。@honk答案含糊不清并不是不发布的理由。我认为SIFT获得专利权是很重要的信息。不过，让你的答案更具体是一个好主意。我认为SIFT获得专利是一个重要的信息：是的，没错。但在你的回答中，你只声明你认为它是专利，没有提供任何参考。这听起来好像你不确定。你为什么不添加至少一个链接到你的答案，以提供一个最低限度的参考，冲浪/筛选是在美国获得专利的？无意冒犯：我只是想激励你们改进你们的答案。希望你们对减少含糊不清感到高兴；）2020年更新：SIFT专利