ORB 取决于图像分辨率吗？

Question

我正在尝试使用 OpenCV 从图像中检测和提取 ORB 特征。

但是，我得到的图像没有标准化（不同的大小、不同的分辨率等......）。

我想知道在提取 ORB 特征之前是否需要标准化我的图像，以便能够在图像之间匹配它们？

我知道特征检测是尺度不变的，但我不确定它对图像分辨率意味着什么（例如，2 个相同大小的图像，1 个对象靠近，另一个对象很远应该导致匹配，即使如果它们在图像上具有不同的比例，但是如果图像的大小不同怎么办？）。

我是否应该根据图像大小调整来自 ORB 的 patchSize（例如，如果我有一个 800px 的图像并采用 20px 的 patchSize，我应该为 400px 的图像采用 10px 的 patchSize 吗？）。

谢谢你。

更新： 我用高分辨率和低分辨率图像测试了不同的算法（ORB、SURF 和 SIFT）以查看它们的行为。在此图像中，对象大小相同，但图像分辨率不同：

我们可以看到 SIFT 非常稳定，尽管它的功能很少。SURF 在关键点和特征尺度方面也非常稳定。所以我的猜测是使用 SIFT 和 SURF 的低分辨率和高分辨率图像之间的特征匹配会起作用，但是 ORB 在低分辨率中有更大的特征，因此描述符与高分辨率图像中的特征不匹配。

（在高分辨率和低分辨率特征提取之间使用了相同的参数）。

所以我的猜测是，如果我们想在不同分辨率的图像之间进行匹配，最好使用 SIFT 或 SURF。

Answer 1

根据OpenCV 文档，ORB 还使用金字塔来生成多尺度特征。尽管此页面上尚不清楚详细信息。
如果我们看一下ORB 论文本身，第 6.1 节提到使用了五种不同比例的图像。但我们仍然不确定是否需要手动计算不同尺度图像上的描述符，或者它已经在 OpenCV ORB 中实现。
最后，从源代码（我写这个答案时的第 1063 行）我们看到，为关键点/描述符提取计算了不同分辨率的图像。如果您跟踪变量，您会发现 ORB 类有一个比例因子，您可以使用getScaleFactor方法访问它。

简而言之，ORB 尝试自行执行不同尺度的匹配。