基于SURF算子的罐装物品检测：

分析：

    在罐装饮料检测的过程中，因为物体摆放的距离和位置是不确定的，故而需要具有尺度和旋转不变性特点的特征点提取和描述方法。

    在初步的检测中，由于在具有简单背景的场景中，故而我们使用颜色的分别对罐装饮料进行前景的提取。但摄像头瞄准目标后，在对一些容易混杂的饮料进行区分（如王老吉和加多宝）

    对于这些饮料，我们使用SURF算子进行匹配。

SURF：

    SURF是对SIFT算法的一种改进，是一种具有尺度和旋转不变性特点的特征点提取和描述的快速检测方法。该算法对比与当前的算法具有相似甚至更好的可重复性、鲁棒性，并且计算的更快。

    具体实现:先使用积分图来计算卷积；然后使用Hessian响应来衡量某点是否为特征点，并创建描述子来描述该特征；以及对整个流程进行一定的优化。

    匹配点对的寻找可以分为三个步骤：1.找到兴趣点，这些兴趣点是有特色的（便于区分），评价一个寻找兴趣点的算法优劣的重要指标是它的可重复性；2.每个兴趣点的邻域点能使用特征向量（描述子）来表达，这个特征向量要对噪声有鲁棒性；3.特征向量在不同图像中进行匹配，这个匹配一般是基于距离的，比如马氏距离或欧氏距离，且特征向量的维度和计算时间非常相关，维度小的特征向量更好。

其他算子：

    使用最广泛的兴趣点检测算子是Har