常见特征检测算法介绍

最新推荐文章于 2024-04-23 08:28:13 发布

庐陵小子

最新推荐文章于 2024-04-23 08:28:13 发布

阅读量2.8k

点赞数

分类专栏： Camera

本文链接：https://blog.csdn.net/zqshust/article/details/115832001

版权

Camera系列文章

传感器融合是将多个传感器采集的数据进行融合处理，以更好感知周围环境；这里首先介绍Camera的相关内容，包括摄像头及图像知识基本介绍，OpenCV图像识别（特征提取，目标分类等），融合激光点云和图像进行TTC估计。

Harris检测算法可以很好的检测角点，但对于图像的某些变化效果不是很好，比如旋转，尺寸变化甚至透视变换。本节首先熟悉这些图像变换，然后再介绍目前的一些关键点检测算法。

目前已经有很多特征检测算法（包括Harris检测算法）可以选择，根据需要检出的关键点类型和图像特性，需要考虑相关算法对亮度和几何变化的鲁棒性。
下图是前后不同时刻帧的图像，可以看到存在比较严重的扭曲（变换）。在这里插入图片描述
主要有四种变换类型需要考虑：

为了在最佳尺寸下检出特征点，我们需要找出他们在图像中的大小，并选择适当的高斯窗 $w (x, y)$ 。如果无法获取特征点尺寸，就需要进行不同程度的尺寸变换。这里就需要关键点检测算法在不同尺寸进行关键点检测。目前大部分特征点检测算法可以自动选择特性尺度因子，很好的处理这个问题。
在这里插入图片描述

目前已经有很多的特征点检测算法用于物体识别，跟踪，图像匹配，机器人建图和3D建模等领域，除了具备以上图像变换的处理能力，还可以直接对比其检测性能和处理能力。
Harris以及以下较为传统的检测算子，主要关注识别性能，计算复杂度相对次要以下。以下是这类算法：

Harris Corner Detector (Harris, Stephens)，主要用于检测角点。
1996 Good Features to Track (Shi, Tomasi)
1999 Scale Invariant Feature Transform (Lowe)，主要用于检测斑点（blob）
2006 Speeded Up Robust Features (Bay, Tuytelaars, Van Gool)，用于检测斑点，SIFT的优化版本；
近些年有很多可运行于手机上的实时应用，以下是这类算法：
2006 Features from Accelerated Segment Test (FAST) (Rosten, Drummond)
2010 Binary Robust Independent Elementary Features (BRIEF) (Calonder, et al.)
2011 Oriented FAST and Rotated BRIEF (ORB) (Rublee et al.)
2011 Binary Robust Invariant Scalable Keypoints (BRISK) (Leutenegger, Chli, Siegwart)
2012 Fast Retina Keypoint (FREAK) (Alahi, Ortiz, Vandergheynst)
2012 KAZE (Alcantarilla, Bartoli, Dav

关注