SIFT、ORB算法（SSE，GPU）加速

对于特征点匹配算法，特征点的提取计算消耗的时间决定了算法是否能达到实时的要求，在速度提升上面做了一些工作总结

特点和区别

SIFT特征是图像的局部特征，对平移、旋转、尺度缩放、亮度变化、遮挡和噪声等具有良好的不变性，对视觉变化、仿射变换也保持一定程度的稳定性。

ORB：An Efficient Alternative to SIFT or SURF”的文章中提出：http://ieeexplore.ieee.org/document/6126544/?reload=true&arnumber=6126544 

具体的请参考：http://www.cnblogs.com/ronny/p/4083537.html

相关的配置

SSE：项目--属性--C/C++--代码生成：

GPU：需要NVIDIA显卡，结合CUDA对opencv重新编译，详见： http://blog.csdn.net/dlphay/article/details/79007815

#include <iostream>   
#include "opencv2/core/core.hpp"   
#include "opencv2/features2d/features2d.hpp"   
#include "opencv2/highgui/highgui.hpp"   
#include "opencv2/legacy/legacy.hpp"
#include <iostream>   
#include <vector>  
#include <time.h>
// GPU
#include "opencv2/gpu/gpu.hpp"
using namespace cv;
using namespace std;
using namespace cv::gpu;
int main()
{
	int num_devices = gpu::getCudaEnabledDeviceCount();
	cout << num_devices << endl;
	if (num_devices <= 0)
	{
		std::cerr << "There is no device." << std::endl;
		return - 1;
	}
	int enable_device_id = -1;
	for (int i = 0; i < num_devices; i++)
	{
		cv::gpu::DeviceInfo dev_info(i);
		if (dev_info.isCompatible())
		{
			enable_device_id = i;
		}
	}
	if (enable_device_id < 0)
	{
		std::cerr << "GPU module isn't built for GPU" << std::endl;
		return - 1;
	}
	gpu::setDevice(enable_device_id);

	//Mat img_1 = imread("E:\\capture\\images5\\A005.mpg3700.jpg", 0);
	//Mat img_2 = imread("E:\\capture\\images5\\A005.mpg3701.jpg", 0);
	Mat img_1 = imread("E:\\capture\\images5\\A0001.jpg", 0);
	Mat img_2 = imread("E:\\capture\\images5\\A0002.jpg", 0);

	GpuMat dimg_1(img_1);
	GpuMat dimg_2(img_2);

	ORB_GPU orb_gpu;

	clock_t start, end;
	vector<KeyPoint> dkeyPoints_1, dkeyPoints_2;
	GpuMat ddescriptors_1, ddescriptors_2;
	Mat des_1, des_2;
	
	start = clock();
	orb_gpu(dimg_1, GpuMat(), dkeyPoints_1, ddescriptors_1);
	orb_gpu(dimg_2, GpuMat(), dkeyPoints_2, ddescriptors_2);
	end = clock();
	cout << (double)(end - start)/2 << endl;
	return 0;
}
           

结果

配置：i7-7700HQ + GTX1050

上面是具体的数据，有什么问题欢迎留言或私信交流。