ORB特征提取需显式初始化参数，因默认值在低分辨率或纹理稀疏图上易致关键点缺失；必须用汉明距离匹配二进制描述子，且descriptors类型CV_8UC1需匹配BFMatcher(cv::NORM_HAMMING)。
ORB特征提取的初始化必须指定参数，否则默认值不适用于多数场景
OpenCV的cv::ORB::create()不是“开箱即用”的黑盒——它默认的nfeatures=500、scaleFactor=1.2、nlevels=8在低分辨率图或纹理稀疏图上极易导致关键点过少甚至为空。尤其当图像宽高低于400像素时，nlevels设为8会让最顶层金字塔尺寸小于16×16，直接跳过检测。
- 实际建议：对手机拍摄图（~1200×900）用
cv::ORB::create(1000, 1.2f, 8, 31, 0, 2, cv::ORB::HARRIS_SCORE, 31, 20)；对扫描文档图（灰度+边缘清晰）可改用HARRIS_SCORE并调高edgeThreshold到31 -
WTA_K=2（默认）表示用前两个最佳匹配点计算方向，但若图像旋转角度大且纹理弱，改用WTA_K=3或WTA_K=4能提升方向稳定性 - 注意
scoreType：用cv::ORB::FAST_SCORE速度更快但重复率高；cv::ORB::HARRIS_SCORE更鲁棒，但计算开销略增
cv::KeyPoint和cv::Mat descriptors必须同步处理，漏掉一步就无法匹配
调用detector->detectAndCompute()看似一步到位，但返回的keypoints和descriptors是强耦合关系：第i个cv::KeyPoint对应第i行descriptors。如果只取keypoints做可视化却忘了传descriptors给匹配器，cv::BFMatcher会报Assertion failed (type == CV_32F || type == CV_8U)错误。
- 常见错误：把
detectAndCompute()拆成detect()+compute()两步，却没确保两次输入图完全一致（比如第二次用了BGR转灰度后的副本，但指针未更新） - 正确做法：优先用
detectAndCompute(img_gray, noArray(), keypoints, descriptors)单次调用；若需分离，务必复用同一cv::Mat对象，避免隐式拷贝 -
descriptors类型固定为CV_8UC1（8位无符号整型），不能直接喂给需要CV_32F的FLANN matcher——必须先convertScaleAbs()或改用BFMatcher(cv::NORM_HAMMING, true)
ORB描述子匹配必须用汉明距离，用错范数会导致结果全乱
ORB生成的是二进制描述子（每行32字节，共256位），其相似性度量只能用汉明距离（bitwise XOR + popcount），绝不能用欧氏距离或余弦相似度。用cv::NORM_L2匹配ORB描述子，返回的matches索引完全错位，且distance字段失去意义。
组合式C++代码评审方案，融合静态分析、AI推理、多轮迭代评审和C++专项检查，适用于PR审查、增量代码审查、全项目评审和代码质量评分，触发词包括review cpp、cpp代码评审、C++review、代码审查。
- BFMatcher必须显式指定：
cv::BFMatcher matcher(cv::NORM_HAMMING, false)（false表示不交叉检查，适合单向匹配） - 若用
cv::FlannBasedMatcher，需额外配置：cv::Ptr<:flann::indexparams> indexParams = cv::makePtr<:flann::lshindexparams>(12, 20, 2)</:flann::lshindexparams></:flann::indexparams>，否则会因不支持二进制描述子而崩溃 - 匹配后务必过滤：用
matcher.knnMatch()取k=2，再按match[0].distance 阈值剔除模糊匹配——这个比例在ORB中比SIFT常用的0.8更严格，因ORB描述子维度低、区分度弱
图像预处理不当会直接让ORB失效，灰度化不是唯一重点
ORB对光照敏感，但单纯转灰度远远不够。原始图像若存在强反光、过曝区域或JPEG压缩块效应，关键点会密集堆叠在伪影边缘，真实特征反而被忽略。
立即学习“C++免费学习笔记（深入）”；
- 必须做：用
cv::GaussianBlur(img_gray, img_gray, cv::Size(3,3), 0)轻微平滑（核大小不超过5），抑制高频噪声但保留边缘 - 谨慎做：直方图均衡化（
cv::equalizeHist()）可能放大噪声，仅在低对比度文档图中启用；对自然场景图，改用CLAHE（cv::createCLAHE(2.0, cv::Size(8,8))）更安全 - 绝对避免：在调用ORB前做
cv::threshold()二值化——ORB依赖梯度信息，纯黑白图丢失所有方向响应
ORB的尺度不变性依赖金字塔构建，所以输入图分辨率不能低于256×256；若原图太小，先用cv::resize()插值放大（推荐INTER_AREA），别用最近邻——它会引入锯齿，干扰FAST角点检测。
