FAST(Features from Accelerated Segment Test)

本文详细介绍了FAST(Features from Accelerated Segment Test)算法,包括其分段测试原理和非极大值抑制过程。FAST通过判断候选点周围像素灰度值来确定角点,接着进行非极大值抑制来筛选特征点。在OpenCV中,FAST-9被采用,且响应函数采用了确保点为角点的最大t值。代码分析部分讲解了OpenCV中FAST的实现细节。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

网上有不少讲FAST(Features from Accelerated Segment Test )的博文,还有OpenCV源码注释的,但感觉都不够详细,所以这里我再详细地介绍一下。分为两部分,先是FAST原理介绍,之后是OpenCV源码介绍。


1. 原理介绍

1.1 分段测试(Segment Test)

  候选测试点 p 是否为一个角点,取决于以其为圆心的圆周上是否有存在连续的 n 个像素,使得这些像素的灰度都大于 Ip+t ,或者都小于 Ipt 。其中 Ip 为候选点的灰度, t 为阈值。这里考虑的是以半径 r=3 的Bresenham圆,对应的 n=12 。如下图

这里写图片描述

  原作者选择 n=12 是由于这样可以通过快速测试排除大量的非角点。一开始首先测试1,5,9,13这四个点,如果 p 是角点,则至少3个点同时满足灰度都大于 Ip+t ,或者都小于 Ipt 。满足这个条件,再进一步对其他圆环上的像素点进行测试。FAST论文[1]中列出了这种方法的几个缺点:

  1. 快速测试在 n<12 的时候不能很好地推广应用。
  2. 检测的效率依赖于测试的顺序以及角点附近灰度的发布情况,所选择的像素并不一定是该位置角点的最优选择。
  3. 丢弃了4个快速测试点的测试结果,在后续判断中没有使用。
  4. 会检测出多个紧挨着的特征点。

    另外讲一点,通常所讲的FAST-N,这里的 N 就是上述的测试中所需要满足的点数 n

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值