【机器视觉】三维物体重建（一）：fast角点检测

Edward Rosten & Tom Drummond于2006年提出的，通过机器学习与角点检测相互融合，实现快速高效检测角点。
fast角点检测具体实现：

该算法考虑以角点p为中心的圆，其边与图像像素点相交的像素位置，例如上图边所在的16个像素位置，如果存在一组n个连续的像素点其灰度值全部大于p点灰度值加上阈值或者全部小于p点灰度值减掉阈值，那么p即为角点。
论文中n被设定为12，经过大量测试得出，因为n=12可以排除大量非角点。
对于这16个像素位置，总共只有三种状态：

或比p亮，或比p暗，或者与p相似（基于灰度值）。
然而一个图像如果拿16个点依次按照上述公式计算比较，那算法简直太慢，作者提出运用ID3决策树（通过信息增益进行泛化评估）进行泛化，来寻找是否存在这连续的n个pixels或大于或小于$I_p\pm t$ 。

另外算法采用了非极大值抑制，对检测到的每个角点计算得分函数V，并对其应用非极大值抑制以去除具有较高V的相邻角点的角点，即去除冗余，选择最优的角点。


通过计算得分函数V，将得到的值分别与候选角点的相邻角点的值进行比较，将较小的角点全部去掉。
opencv封装了该算法，代码如下：

import cv2 as cv
import matplotlib.pyplot as plt

image = cv.imread("building.jpg")
image = cv.cvtColor(image, cv.COLOR_BGR2GRAY)

fast = cv.FastFeatureDetector_create(threshold=30, nonmaxSuppression=True, type=cv.FAST_FEATURE_DETECTOR_TYPE_9_16)

features_pos = fast.detect(image, None)

draw_image = cv.drawKeypoints(image, features_pos, image, color=(0, 255, 0))

plt.imshow(draw_image)
plt.xticks([])
plt.yticks([])
plt.show()

FastFeatureDetector_create()中的threshold即为上述的阈值t，threshold越小检测出的角点越多，值越大检测出的角点越少，第二个设置是否进行非极大值抑制。


threshold分别等于30和100时角点的检测结果。
缺点：
鲁棒性较差，容易受到噪声的扰动；取决于阈值t，需要根据不同的情况进行调参。