40、兴趣点检测与描述符技术剖析

兴趣点检测与描述符技术剖析

1. 兴趣点检测基础概念

在图像分析中，兴趣点检测是一项关键技术。这里先介绍两个集合：
- (S_{Bright} = {x|I_{p→x} ≥I_{p} + t})
- (S_{Dark} = {x|I_{p→x} ≤I_{p} - t})
其中，(p) 是当前考虑的像素，(t) 是检测器使用的阈值，(I_{p→x}) 对应环中 (n) 个连续像素的值。

2. FAST 检测器

FAST 检测器是为实时应用而提出的，无论是基础版本还是带有学习组件的版本，在计算负载方面都表现出高性能。与较慢的检测器（如用于 SIFT 的 DoG）相比，FAST 速度快达 60 倍。
- 不同版本比较 ：有 FAST (n)（(n = 9, \cdots, 12)）等多个版本进行了测试，其中 FAST9 在各种 FAST (n) 版本以及其他角点检测器中表现最佳。通常，非极大值抑制的最大计算成本，每个 FAST (n) 为 1.25，是原始 FAST 的 1.5 倍。
- 优缺点分析 ：
- 优点：具有高重复性，其速度和重复性特点使其在移动机器人和目标跟踪应用中表现出色。例如在导航中，视觉模块可作为视觉里程计，基于场景中检测到的角点，使用 SLAM 方法实现机器人的自动定位。
- 缺点：与 DoG 相比，对噪声的鲁棒性较差，并且是尺度和旋转的变体，对光照变化敏感，不过可以通过适当改变阈值 (t) 来控制，但这会极大影响检测器的性能。
- FAST - ER 版本 ：FAST