1.一种ORB均匀提取特征点方法，其特征在于，包括如下步骤：步骤1、读取图片并构建图像金字塔；

步骤2、根据图片像素计算自适应FAST阈值；

步骤3、进行FAST特征点的提取；

步骤4、对提取的特征点进行筛选，保留均匀分布特征点；

步骤5、计算保留特征点的BRIEF描述子；

步骤6、对图像金字塔的每层图片进行步骤2至步骤5的操作；

所述步骤1中读取图片并构建图像金字塔方法如下：

构建金字塔，来实现特征点的多尺度不变性，设置比例因子S和金字塔的层数n，将原图像按比例因子缩小成n幅图像，缩放后的图像为：I′＝I/S(k＝1,2…,n)；

所述步骤2中的根据图片像素计算自适应FAST阈值的计算公式如下：式1)中，T为初始提取阈值，k为调整因子，其数值根据经验设定，n为图像中像素个数，S(xi)为图像中第i个像素的灰度值，为图像灰度的平均值；

所述步骤3中进行FAST特征点的提取方法如下：

从图像中选取一点P，假设其像素灰度值为Ip，根据步骤2中提取的自适应FAST阈值T，以P为圆心画一个半径为3的圆，圆周上如果有连续n个像素点的灰度值比P点的灰度值大或者小，则认为P为特征点，n设置为12，为了加快特征点的提取，快速排出非特征点，首先检测1、

9、5、13位置上的灰度值，如果P是特征点，那么这四个位置上有3个或3个以上的像素值都大于或者小于P点的灰度值，如果不满足，则直接排出此点，此时提取的FAST关键点不具备方向性，通过灰度质心法来增加方向，图像块的矩定义如下：mpq＝∑x,y∈rxpyqI(x,y)  (2)

其中，I(x,y)为图像灰度表达式，该距的质心为：

假设角点坐标为O，则向量的角度即为该特征点的方向，计算公式如下：所述步骤4对提取的特征点进行筛选，保留均匀分布特征点；

(1)步骤3所提取的全部特征点，采用K邻近算法找到密集点区域，得到各密集点间距最大值Lmax与最小值Lmin，分别以密集点区域每个特征点为圆心，设定相同的半径r，r为自定义可变参数，得到等大的圆(圆的数目与密集点区域特征点数目相同)，设定r的参数取值范围为：

1/2Lmin

(2)采用综合评估法筛选特征点，方法如下：将最大值Lmax与最小值Lmin差值分成三等份，每份为长为ΔL，公式如下：区间分别为[Lmin,Lmin+ΔL]，[Lmin+ΔL,Lmin+2ΔL]，[Lmin+2ΔL,Lmax]，区间[Lmin,Lmin+ΔL]的特征点数目为N1，区间[Lmin+ΔL,Lmin+2ΔL]的特征点数目为N2，区间[Lmin+2ΔL,Lmax]的特征点数目为N3，设置特征点在每份中所占的数目与总数的比值为权重，分别为N1/N，N2/N,，N3/N，用三个区间的权重分别乘以该区间所有点距离平均值之和为最终的评价指标LP，L为各个特征点之间的距离，公式如下：L≥2r&&L≥LP  (8)

(3)输入r值，根据公式(8)判断，将相离和相切的圆所在圆心相对应的特征点保留，将相交的圆所在圆心相对应的特征点舍弃，这样就舍弃较密集的点，保留均匀分布的特征点，根据需要调整参数r改变特征点分布密集程度，改变特征点数目，提高计算效率；

所述步骤5中计算特征点的方向与描述子方法如下：步骤4中得到的特征点利用BRIEF描述子进行描述，BRIEF算法计算出来的是二进制串的特征描述符，在一个特征点的邻域内，选择m对像素点pi、qi(i＝1,2,…,m)比较每个点对的灰度值的大小,如果I(pi)>I(qi)则生成二进制串中的1，否则为0，所有的点对都进行比较，则生成长度为m的二进制串,描述子选取m对像素点集为：经过旋转角度 旋转，得到新的点对：

其中 为添加方向的后的描述子点集， 为旋转矩阵；

所述步骤6中对图像金字塔的每层图片进行步骤2至步骤5的操作，n幅不同比例的图像提取特征点总和作为这幅图像的特征点，这样就得到了均匀分布的特征点。