FAST特征点检测

FAST（Features fromaccelerated segment test）是一种角点检测方法，它可以用于特征点的提取，并完成跟踪和映射物体。FAST角点检测算法最初是由Edward Rosten和Tom Drummond提出，该算法最突出的优点是它的计算效率。

该算法的基本原理是使用圆周长为16个像素点（半径为3的Bresenham圆）来判定其圆心像素P是否为角点。在圆周上按顺时针方向从1到16的顺序对圆周像素点进行编号。如果在圆周上有N个连续的像素的亮度都比圆心像素的亮度Ip加上阈值t还要亮，或者比圆心像素的亮度减去阈值还要暗，则圆心像素被称为角点。

即要想成为角点，必须满足下列两个条件之一：
条件1：集合S由圆周上N个连续的像素x组成，Ix > Ip + t；
条件2：集合S由圆周上N个连续的像素x组成，Ix < Ip - t。
N一般选择为12。OpenCV中的N选取的是8

在一幅图像中，非角点往往是占多数，而且非角点检测要比角点检测容易得多，因此首先剔除掉非角点将大大提高角点检测速度。由于N为12，所以编号为1，5，9，13的这4个圆周像素点中应该至少有三个像素点满足角点条件，圆心才有可能是角点。因此首先检查1和9像素点，如果I1和I9在[Ip –t， Ip + t]之间，则圆心肯定不是角点，否则再检查5和13像素点。如果这4个像素中至少有三个像素满足亮度高于Ip+t或低于Ip –t，则进一步检查圆周上其余像素点。
以上方法可能导致密集的角点，因此在OpenCV中使用了非极大值抑制来增强其鲁棒性。

FAST的非极大值抑制方法：
1、计算得分函数，它的值V是特征点与其圆周上16个像素点的绝对差值中所有连续10个像素中的最小值的最大值，而且该值还要大于阈值t；
2、在3×3的特征点邻域内（而不是图像邻域），比较V；
3、剔除掉非极大值的特征点。


FAST角点检测方法的具体步骤为：
1、在圆周上的部分像素点上，进行非角点的检测；
2、如果初步判断是角点，则在圆周上的全部像素点上进行角点检测；
3、对角点进行非极大值抑制，得到角点输出。

下面简单介绍一下各个部分：
代码的解读都以注释的方式给出

结果图像如下图所示：