FAST算法是ECCV 2006上发表的Machine learning for high-speed corner detection上提出的,从论文名字中就可以看出,这是一种检测特征点的方法。
一、原始检测方法
具体内容如下:
判别特征点 p 是否是一个特征点,可以通过判断以该点为中心画圆,该圆过16个像素点。设在圆周上的16个像素点中是否最少有
如下图所示:
由于在检测特征点时是需要对图像中所有的像素点进行检测,然而图像中的绝大多数点都不是特征点,如果对每个像素点都进行上述的检测过程,那显然会浪费许多时间,因此论文中采用了一种进行非特征点判别的方法。如上图中,对于每个点都检测第1、5、9、13号像素点,如果这4个点中至少有3个满足都比
这种做法在大幅减少了判断特征点的运算量,提升了算法的运行速度。但是还是存在一些问题,如下:
(1)当我们使用的 n<12 时就不能通过上面说明的方法对非角点进行快速过滤;
(2)这样检测出来的特征点不是最优的,因为这种检测方法暗含了对特征周围的像素分布的假定;
(3)忽略了上述的前4个检测的结果分析;
(4)检测得到的特征点容易挤在一起。
针对以上问题作者提出了一种基于学习的特征点检测方法,这种检测方法解决了上面的前3个问题。
二、基于学习的特征点检测方法
这种基于学习的特征点检测方法分成两个阶段,如下所示:
阶段1:对你需要检测的场景的多张图像进行角点提取,在提取的过程中,使用你给定的 n 和一个合适的阈值进行检测,同时这里不使用上面提出的先检测4个像素点的方法(因为你选择的