SLAM：corners：Measuring Corner Properties-1999【方法解析-1】

paper：Measuring Corner Properties

摘要

我们描述了测量灰度角点以下属性的方法：夹角、方向、对比度、钝度（或顶点的圆度）以及边界曲率（适用于尖点）。与大多数已发表的提取这些属性的方法不同，这些新方法相对简单、高效且稳健。它们依赖于标准算子预检测角点，从而使得测量问题更易处理。使用13000张合成图像，在各种条件下评估这些方法：角点的不同方向和夹角，以及不同程度的噪声。

© 1999 Academic Press

1. 引言

计算机视觉中最常用的三个特征是区域、边缘和角点。区域通常被赋予属性，使其在匹配等后续处理阶段中有用，而早期的边缘和角点检测器（例如[11, 20]）几乎只提取强度，更不用说最近的检测器了，例如[5, 21]。由于这些特征是稀疏的，它们的存在本身就被认为足够有信息量。然而，近年来，人们开始更多地关注边缘和角点的属性。给角点赋予越来越多的属性的原因在于，这些属性能够提供更丰富的描述，从而使其成为更有效的特征。例如，在跟踪、模型匹配或模型索引中，角点属性能够约束角点之间的对应关系，无论是单一约束还是多个角点之间的多元约束。后者能够实现视点不变性。例如，在正交投影下，选定的共面的角点对可能具有相同但未知的夹角或方向。在[17]中，我们展示了如何通过增加相对颜色和夹角角点属性（二元和单一约束，分别