ORB（Oriented FAST and Rotated BRIEF）特徵是一種高效且具有旋轉和尺度不變性的圖像特徵，它結合了FAST關鍵點檢測算法和BRIEF描述子。以下是ORB特徵的主要組成部分和特點：
關鍵點檢測（Oriented FAST）：
FAST算法：用於快速檢測圖像中的角點，即局部像素灰度變化明顯的地方。FAST算法的核心思想是比較像素與其鄰域像素的灰度差異，如果差異大，則認為該像素可能是角點。
尺度不變性：通過構建圖像金字塔，在多個尺度上檢測FAST關鍵點，確保特徵點的尺度不變性。
旋轉不變性：使用灰度質心法為每個關鍵點分配一個方向，確保特徵點的旋轉不變性。灰度質心法通過計算關鍵點鄰域的灰度質心，並與鄰域中心連線的方向作為特徵點的方向。
描述子（Rotated BRIEF）：
BRIEF算法：生成一個二進制描述子，通過在關鍵點周圍選擇若乾對像素點並比較它們的灰度值，將這些比較結果串聯起來形成描述子。這種描述子不僅計算速度快，而且記憶體占用低。
旋轉不變性：通過將BRIEF描述子與關鍵點的方向信息進行結合，確保描述子對旋轉的不變性。
特點：
速度快：ORB特徵提取速度快，比SIFT快100倍，比SURF快10倍，使其非常適合實時和動態的場景。
二進制描述子：使用二進制描述子，節省記憶體空間和計算時間。
旋轉和尺度不變性：通過結合灰度質心法和旋轉不變的BRIEF描述子，ORB特徵具有良好的旋轉和尺度不變性。
綜上所述，ORB特徵是一種高效、快速且具有旋轉和尺度不變性的圖像特徵，適用於多種計算機視覺套用，特別是在SLAM技術中得到了廣泛套用。