我刚刚从Ethan Rublee Official Paper阅读ORB的官方文件，有些我很难理解“4.3学习良好的二元特征”部分
我正在网上冲浪深入挖掘它，我找到了下面的段落。我还没有得到实际的解释。你们中的任何人都可以用简单的方式解释我。
“给定一个大小为m×m的局部图像补丁，并假设本地窗口 （用于简要说明的盒式滤波器）用于强度测试，其大小为r×r，存在N =（m-r）2个这样的局部窗口。
它们中的每两个都可以定义强度测试，因此我们有C2N位功能。在ORB的原始实现中，m设置为31，生成228,150个二进制测试。在删除重叠的测试之后，我们最终得到了一组205,590个候选位功能。根据训练集，ORB根据Greedy算法选择最多256位。“
从官方文件和上段得到的是。
我们的补丁大小为31X31，并选择5X5的大小。我们将有N =（31-5）^ 2 = 676可能的子Windows。我没有得到以粗体标出的行。通过删除重叠的测试意味着什么，我们得到205,590位特征？
答案 0 :(得分：2)
想象一下尺寸为31x31（补丁）的小图像和一个小的5x5窗口。这个窗口可以放入图像多少个不同的位置？如果你将它滑动1乘1像素，那么它可以放在（31-5）^ 2 = 676个不同的位置，对吗？仅将676个窗口的中心像素与2个元素组合，即可得到676！/（2！*（676-2）！）= 228,150种组合。在ORB描述符的情况下，他们对以1×1像素滑动窗口不感兴趣，由于某些窗口之间的重叠（它们非常接近），它可能会有很大的噪音。然后他们删除了重叠的窗口，将它按5×5像素滑动，并使用它们的中心像素创建二进制测试，将总组合减少到205,590。