Feature detection and matching algorithms

U današnje vrijeme ne možemo zamisliti svijet bez tehnologije i računala. Računala postaju sve moćnija i u stanju su izvršavati stvari koje se nisu činile mogućim nekoliko godina unazad. Za velik napredak zaslužno je područje umjetne inteligencije. Računalni vid je polje umjetne inteligencije koje kod računala imitira ljudsko oko. Neki od ključnih zadataka računalnog vida, baš kao i ljudskog vida, čine prepoznavanje i uparivanje značajki. Značajke su dijelovi slike koji se razlikuju od svoje okoline te privlače najveću pozornost i najkorisnije su za daljnju obradu. Prepoznavanje i uparivanje značajki temelj su mnogih složenijih zadataka kao što su rekonstrukcija slika, modeliranje 3D scena i autonomno kretanje robota. U radu su predstavljeni i uspoređeni SIFT i ORB, jedni od najkorištenijih klasičnih algoritama detekcije i uparivanja značajki. Koraci algoritama se sastoje od prepoznavanja ključnih točaka, izgradnje opisnika svake ključne točke te uparivanja značajki pomoću izgrađenih opisnika. Algoritmi SIFT i ORB su također uspoređeni s novijim pristupom problemu, algoritmima temeljenim na dubokom učenju.Nowadays, we cannot imagine our life without technology and computers. Computers are becoming more powerful and are able to do things that did not seem possible a few years ago. The field of artificial intelligence is responsible for the great progress. Computer vision is a field of artificial intelligence that mimics the human eye in computers. Some of the key tasks of computer vision, just like human vision, are recognizing and matching features. Features are parts of the image that differ from their surroundings and attract the most attention and are most useful for further processing. Recognizing and matching features is the foundation of many more complex tasks such as image reconstruction, 3D scene modeling and autonomous robot movement. The paper presents and compares SIFT and ORB, one of the most used classic algorithms for feature detection and matching. The steps of the algorithms consist of identifying keypoints, building a descriptor of each keypoint and pairing features using the built descriptors. SIFT and ORB algorithms are also compared to a newer approach to the problem, using algorithms based on deep learning