FAST算法学习笔记

最新推荐文章于 2025-03-07 15:28:54 发布

刘凯KAI

最新推荐文章于 2025-03-07 15:28:54 发布

阅读量868

点赞数

分类专栏： OpenCV

本文链接：https://blog.youkuaiyun.com/cliukai/article/details/102484059

版权

FAST算法是一种快速的局部特征点检测算法，通过比较像素与其邻域内点的差值来确定角点。计算步骤包括寻找候选点，确定角点，以及非极大值抑制。在非极大值抑制中，抑制响应值较小的特征点以避免点过于密集。角度检测方面，连续像素超过阈值的数量决定了能检测到的角度大小。FAST算法速度快但易受噪声和阈值设置影响，且不提供多尺度特征和旋转不变性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

FAST特征基本定义和计算步骤

1 特征点检测的背景

一句话总结介绍：FAST是局部特征点的一种检测算法。

在局部特征点检测快速发展的时候，人们对于特征的认识也越来越深入，近几年来许多学者提出了许许多多的特征检测算法及其改进算法，在众多的特征提取算法中，不乏涌现出佼佼者。

从最早期的Moravec，到Harris，再到SIFT、SUSAN、GLOH、SURF算法，可以说特征提取算法层出不穷。各种改进算法PCA-SIFT、ICA-SIFT、P-ASURF、R-ASURF、Radon-SIFT等也是搞得如火如荼，不亦乐乎。上面的算法如SIFT、SURF提取到的特征也是非常优秀（有较强的不变性），但是时间消耗依然很大，而在一个系统中，特征提取仅仅是一部分，还要进行诸如配准、提纯、融合等后续算法。这使得实时性不好，降系了统性能。

Edward Rosten和Tom Drummond两位大神经过研究，于2006年在《Machine learning for high-speed corner detection》中提出了一种FAST特征点，并在2010年稍作修改后发表了《Features From Accelerated Segment Test》，简称FAST。注意：FAST只是一种特征点检测算法，并不涉及特征点的特征描述。

FAST的提出者Rosten等将FAST角点定义为：若某像素与其周围邻域内足够多的像素点相差较大，则该像素可能是角点。

2 计算步骤