ORBとは

ORBは、コンピュータビジョンにおいて、高速でリアルタイムな特徴点検出と記述を可能にするために設計された特徴抽出アルゴリズムであり、既存のFASTキーポイント検出器とBRIEF記述子を組み合わせ、回転不変性とスケール不変性を持たせた手法のことです。

ORBの概要と特徴記述における位置づけ

ORB（Oriented FAST and Rotated BRIEF、方向付きFASTと回転付きBRIEF）は、2011年に発表された特徴抽出アルゴリズムです。これは、画像間の物体認識、追跡、位置合わせといったタスクにおいて、高速かつ頑健な特徴点の対応付けを実現することを目的としています。

従来の著名な特徴記述子であるSIFT（Scale-Invariant Feature Transform）は非常に高性能である反面、計算コストが高く、リアルタイム処理には不向きでした。ORBは、その代替として、SIFTに匹敵する精度を保ちながら、計算速度を大幅に向上させることを目指して開発されました。

ORBの設計は、主に以下の2つの既存の高速アルゴリズムを改良し、統合することに基づいています。

1. FAST（Features from Accelerated Segment Test）: 非常に高速なキーポイント検出器。
2. BRIEF（Binary Robust Independent Elementary Features）: 処理速度に優れたバイナリ特徴記述子。

主な目的は、検出と記述の両プロセスにおいて、計算負荷の低い手法を組み合わせることで、速度と精度、そして特許フリーという実用性を兼ね備えた特徴抽出アルゴリズムを提供することです。

ORBアルゴリズムの構成要素

ORBは、「特徴点の検出」と「特徴記述子の生成」の2つの主要なステップで、それぞれ既存の手法を改良して適用しています。

1. FASTによるキーポイント検出とスケール不変性の導入

まず、FASTアルゴリズムを使用して画像からキーポイント（特徴点）を検出します。

• スケール空間の導入: オリジナルのFASTはスケール不変性を持ちませんでしたが、ORBでは画像を複数の解像度（ピラミッド構造）にリサイズし、各スケールレベルでキーポイントを検出します。これにより、スケール不変性が導入されます。

2. Harrisコーナー測定による質の向上

検出されたキーポイントが多すぎる場合や、質が低いと判断された場合、Harrisコーナー検出器を用いてキーポイントの「強さ」を測定し、スコアの低い点をフィルタリングして、最も安定したキーポイントのみを残します。

3. 回転推定（Oriented FAST）

ORBは、検出されたすべてのキーポイントに対して、主方向（Orientation）を推定します。このために、キーポイント周辺の画像パッチのモーメント（Moment）を計算する手法が用いられます。

ここで $I(x, y)$ はパッチの $(x, y)$ における輝度値です。これらのモーメントから、パッチの中心と重心を結ぶベクトルを用いて主方向を計算し、回転不変性を確保します。

4. rBRIEFによるバイナリ記述子の生成

ORBは、BRIEF記述子を回転推定の結果に基づいて改良したrBRIEF（Rotated BRIEF）を使用します。

• 回転補正: BRIEFが固定されたサンプリングパターンを使用するのに対し、rBRIEFでは、推定された主方向に合わせてサンプリングパターンを回転させます。
• バイナリ記述子: 回転補正されたパターンに基づき、ピクセルペア間の輝度比較を行い、その結果（0または1）を連結してバイナリ記述子を生成します。

このバイナリ記述子は、ハミング距離によって高速にマッチング（類似度比較）が行えるため、計算速度において大きな優位性を発揮します。

ORBの優位性

ORBは、特許に保護されているSIFTやSURFとは異なり、完全に特許フリーである点も、研究や商用アプリケーションでの普及を後押しした大きな要因です。これにより、リアルタイム性が求められるAR、ロボティクス、モバイルビジョンなどの分野で広く利用されています。

関連用語

お問い合わせ

システム開発・アプリ開発に関するご相談がございましたら、APPSWINGBYまでお気軽にご連絡ください。