【ORB-SLAM2】探索之旅第 2 天 : 影像金字塔 ( Image Pyramid ) Part 1

影像金字塔是什麼 ?

影像金字塔（Image Pyramid）是一種多尺度影像表示方法，它透過逐層縮小影像，建立從高解析度到低解析度的一系列影像層級，類似於金字塔的結構。

先說明一下，ORB-SLAM2 中特徵點通常出現在影像中的尖銳邊緣或顯著的角落處，如圖 2 所示。

因為當相機靠近某個角落處時，同一個角落處在影像中的解析度會變高，也就是，該區域的像素(Pixels)數量會變多。不幸的是，ORB SLAM2 檢測特徵點(角點)的方式，需要利用到 7 * 7 的像素區域，如圖(二)所示。

原本相機距離畫框很遠的時候，畫框很小，這讓畫框角落所佔的像素數量少，所以 7 * 7 的像素區域可以讓我們很輕易地提取到畫框角落的特徵點(角點)；但如果今天相機在真實場景中被我們移動到靠近圖(二)中的畫框，這會導致該畫框角落處的像素變多，那 7 * 7 的像素區域就無法輕易提取到特徵點(角點)了。

所以為了解決這個問題，我們可以利用「影像金字塔」來實現特徵點的「尺度不變性」。

透過選取影像金字塔中解析度較低的影像，即較上層的影像，如圖(一)所示，無論相機靠近還是遠離場景，都能在相同區域提取到相同的特徵點(角點)。

在 ORB-SLAM2 中，影像金字塔的層數 ( m ) 設定為 8，而且每層之間的縮放係數 ( s ) 為 : 0.83（即 1 / 1.2）。

也就是說，影像金字塔的每一層影像的解析度 ( 大小 ) 都會比上一層低 1.2 倍，這樣可以有效地捕捉從近距離到遠距離的特徵，並保證在不同尺度下都能穩定檢測到特徵點。

每一層影像的面積不同，較高解析度的層（面積大）包含較多細節，而較低解析度的層（面積小）則細節較少。

根據面積來分配特徵點數，可以確保每一層都能獲得適量的特徵點，從而達到整個影像均勻覆蓋，不會因某層過於密集或稀疏而導致資訊分布不平衡。

其中，level 表示影像金字塔的第幾層 ( 從 0 開始 )，m 表示金字塔的總層數，s 是縮放係數，N 代表總共需要提取的特徵點數量（這個數量可以根據需求自行設定），而 N_level 則是分配給特定層數的特徵點數量。

當「影像金字塔」設定完成後，我們便能有效進行特徵提取，確保特徵點具備「尺度不變性」。

對於要提取特徵點的影像，我們會根據設定的縮放係數對影像進行縮放，並將每層縮放後的影像依序放入影像金字塔中。接著，我們在每一層影像上提取所需數量的特徵點。