其中的一点补充
其实处理非常简单, 在已经获得图像特征点集合的基础上, 再根据词典, 对每个特征做一次分类. 再对第二幅图像提取特征, 然后也根据词典, 也对这幅图像的所有特征进行分类. 用分类后的特征类别代替原本的特征descriptor, 即用一个数字代替一个向量进行比对, 显然速度可以大大提升.
也就是说之前用若干个ORB特征点代表一副图像，根据词典, 对每个特征做一次分类之后，是用若干个单词代表一副图像（一个单词包含数个相似的特征点）。
将两幅图像分别用a和b个单词代表之后，在单词的基础上进行匹配。之后在任意一对匹配好的单词中做ORB特征点匹配，对所有相互匹配的单词对中进行ORB特征点匹配之后就完成了整副图像的ORB特征点匹配。
这样做相对于暴力匹配减少了计算量。
来源：CSDN
作者：stephen_ojbk
链接：https://blog.csdn.net/m0_46345373/article/details/104473797