ORB特征由关键点和描述子两部分组成。它的关键点称为"Oriented FAST"，是 一种改进的FAST角点，什么是FAST角点我们将在下文介绍。它的描述子称为BRIEF(Binary Robust Independent Elementary Features)。因此，提取ORB特征分为两个步骤:

FAST是一种角点，主要检测局部像素灰度变化明显的地方，以速度快著称。它的思想是:如果一个像素与它邻域的像素差别较大(过亮或过暗),那它更可能是角点。相比于其他角点检测算法，FAST只需比较像素亮度的大小，十分快捷。检测过程如下:

在FAST-12算法中，为了更高效，可以添加一项预测试操作，以快速地排除绝大多数不是角点的像素。具体操作为，对于每个像素，直接检测邻域圆上的第1，5，9，13个像素的亮度。只有当这四个像素中有三个同时大于 I p + T I_p+T Ip​+T或小于 I p − T I_p-T Ip​−T时，当前像素才有可能是一个角点，否则应该直接排除。这样的预测试操作大大加速了角点检测。此外，原始的FAST角点经常出现“扎堆”的现象。所以在第一遍检测之后，还需要用非极大值抑制(Non-maximal suppression)，在一定区域内仅保留响应极大值的角点， 避免角点集中的问题。

FAST特征点的计算仅仅是比较像素间亮度的差异，速度非常快，但它也有一些问题。首先，FAST特征点数量很大且不确定，而我们往往希望对图像提取固定数量的特征。因此，在ORB中，对原始的FAST算法进行了改进。 我们可以指定最终要提取的角点数量N，对原始FAST角点分别计算Harris响应值，然后选取前 N N N个具有最大响应值的角点，作为最终的角点集合。

其次，FAST角点不具有方向信息。 而且，由于它固定取半径为3的圆，存在尺度问题 :远处看着像是角点的地方，接近后看可能就不是角点了。针对FAST角点不具有方向性和尺度的弱点，ORB添加了尺度和旋转的描述。尺度不变性由构建图像金字塔，并在金字塔的每一层上检测角点来实现。而特征的旋转是由灰度质心法(Intensity Centroid)实现的，具体如下:

通过以上方法，FAST角点便具有了尺度与旋转的描述，大大提升了它们在不同图像之间表述的鲁棒性。 所以在ORB中，把这种改进后的FAST称为Oriented FAST。

在提取Oriented FAST关键点后，我们对每个点计算其描述子。ORB使用改进的BRIEF特征描述。我们先来讲BRIEF是什么。

BRIEF 是一种二进制描述子，它的描述向量由许多个0和1组成， 这里的0和1编码了关键点附近两个像素(比如说p和q)的大小关系:如果p比q大，则取1，反之就取0。如果我们取了128个这样的p,q，最后就得到128维由0，1组成的向量。那么，p和q 如何选取呢？在作者原始的论文中给出了若干种挑选方法，大体上都是按照某种概率分布，随机地挑选p和q的位置。BRIEF使用了随机选点的比较，速度非常快，而且由于使用了二进制表达，存储起来也十分方便，适用于实时的图像匹配。原始的BRIEF描述子不具有旋转不变性的，因此在图像发生旋转时容易丢失。而ORB在FAST特征点提取阶段计算了关键点的方向，所以可以利用方向信息，计算了旋转之后的"Steer BRIEF"特征，使ORB的描述子具有较好的旋转不变性。