FAST 角点检测 + ID3决策树生成

本文介绍了FAST角点检测的基本思想,即通过比较候选点及其周围像素的灰度值来判断是否为角点。接着,讨论了基于ID3决策树的FAST实现流程,以及ID3决策树的生成过程,包括熵增和集合划分的递归方法。内容引用自E.Rosten等人的《Machine Learning for High-Speed Corner Detection》。
摘要由CSDN通过智能技术生成

参考:E.Rosten,etc. Machine Learning for High-Speed Corner Detection

目录

1、FAST 角点检测基本思想

2、基于ID3决策树的FAST实现

3、ID3决策树生成

正文

1、FAST (Features from Accelerated Segment Test)角点检测基本思想

图片来自 Machine Learning for High-Speed Corner Detection

        如上图所示,FAST通过比较候选点p和其周围半径为3的圆上的16个像素的灰度值来判别p是否是角点。

        圆上16个点使用p->x (p偏移x) 表示,根据p和p->x处像素灰度差和阈值t的大小,可以将x分成3类d(darker),s(similar),b(brighter):

式子来自 Machine Learning for High-Speed Corner Detection

 如果圆周上d或b连续出现的次数 大于等于n (=12),则p判定为角点。

2、基于ID3决策树的FAST实现<

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值