features_orb — MATCHREG featmatch op

• Data kinds: image2d → table

• Call: import fullseye as fs; fs.ledger.features_orb(image, n_features=1000, n_levels=8, scale_factor=1.2, fast_threshold=0.08, harris_k=0.04) (implementation को सीधे call करना हो तो import featmatch; featmatch.features_orb(image, n_features=1000, n_levels=8, scale_factor=1.2, fast_threshold=0.08, harris_k=0.04), registry से लेना हो तो opsmatchreg.get("features_orb"))

• GPU: नहीं (केवल CPU reference implementation)

उपयोग

ORB feature points और 256-bit binary descriptors (Rublee et al. 2011)। → table (kind="features")।

> नीचे का विस्तृत विवरण मूल text में है — सारांश और headings का अनुवाद हो चुका है।

縮小の段(scale_factor ずつ n_levels 段)ごとに FAST-9 の角(features.fast_corners を再利用)を拾い、Harris の応答で順位をつけて段ごとの割り当て数だけ残す。向きは半径 15 の円の輝度重心(Rosin 1999)、記述子はガウス(σ=2)でならした像の上で、向きに合わせて回した 256 組の明暗比較。

★学習した rBRIEF の対の表は使わない(乱数で固定した対 = steered BRIEF)。OpenCV の ORB の記述子とはビット単位で一致しない。比べられるのは「照合して推定したホモグラフィの誤差」まで。

座標は原画像の (x, y)(段の座標 × 段の倍率)。scale は段の倍率 × 31(パッチの一辺)。

Args:

image: 2-D の濃淡画像([0, 1] の尺度。fast_threshold がこの尺度)。

n_features: 全段の合計の上限(段ごとの割り当ては面積に比例する等比数列)。

n_levels: 段の数。

scale_factor: 段の縮小率(> 1)。

fast_threshold: FAST の明暗差のしきい値(既定 0.08 ≈ 20/255)。

harris_k: Harris の k。

Returns:

dict(kind="features", detector="orb")。descriptors は (N,32) uint8

(256 bit を詰めたもの)、descriptor_kind="binary"。他の鍵は features_sift と同じ。

Raises:

ValueError: 2-D でない / 16 px 未満 / 非有限 / 定数画像 / 引数が値域外(scale_factor <= 1 など)。

उपयोग की विस्तृत guide

• matching_registration family guide

संदर्भ (sample data, साहित्य)

• Sample data catalog (DL URL / license) — 2-D के लिए skimage.data (BSD/public) + synthetic, 3-D के लिए real data sources (Stanford/PDS आदि) के DL URL।

• Operators का स्रोत और संदर्भ — इस op family के मूल research/methods के स्रोत।

• Algorithm का मानक स्रोत (लेखक, वर्ष) और उपयोग ऊपर की family usage guide में दिए गए हैं।

चलाए जा सकने वाले उदाहरण (verified samples जो सच में यह op call करते हैं)

• poc_part_locate_features — py -3.11 examples/poc_part_locate_features.py

वे अगले ops जिनसे type जुड़ता है (table को input के रूप में लेते हैं)

features_match · ransac_homography · ransac_fundamental · registration_to_flow2d

इसी category के (featmatch)

features_sift · features_match · ransac_homography · ransac_fundamental · features_accuracy_table

*Provenance: featmatch.py — MATCHREG operator registry. यह per-op note tools/opdocs.py md से अपने-आप generate होता है (हाथ से edit न करें)।*

© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.