ORB特征（Oriented FAST and Rotated BRIEF）是计算机视觉领域中一种高效的局部特征描述算法，由Ethan Rublee等人于2011年提出。它结合了改进的FAST关键点检测器和旋转不变的BRIEF描述子，具有计算速度快、对旋转和尺度变化鲁棒性强等特点。ORB通过金字塔分层实现尺度不变性，利用灰度质心法计算方向实现旋转不变性，并采用改进的BRIEF描述子（rBRIEF）增强特征区分度，使其在保持计算效率的同时显著提升了匹配性能。
在自动驾驶领域，ORB特征因其实时性优势被广泛应用于视觉定位、障碍物识别等场景。例如在SLAM系统中，ORB-SLAM算法通过实时提取和匹配ORB特征构建环境地图并估计车辆位姿。相较于SIFT、SURF等传统特征，ORB在嵌入式设备上的计算效率可提升一个数量级，这对资源受限的车载计算平台尤为重要。随着特征点法与深度学习方法的融合趋势，ORB特征仍作为轻量级解决方案在传感器融合、定位回环检测等环节发挥独特价值。