原文链接：BRISK: Binary Robust Invariant Scalable Keypoints
1.不同尺度的关键点检测
为了获得在不同尺度的稳定关键点，brisk算法采用FAST算法在不同尺度空间中求解关键点。在brisk算法中，不同尺度的金字塔层由 n个 octaves层 ci 和 n个 intra-octaves 层 di组成，i = {0， 1， ... , n-1}。本文中n = 4.每个 octaves 层由连续地对原图二倍下采样获得。每个 intra-octaves 层 di 处在 ci 层和 ci+1层之间。第一个 intra-octaves层 d0 是通过对原图c0 1.5倍下采样获得，其他 intra-octaves 层由连续地对d0二倍下采样获得。因此，用t表示尺度，则t(ci) = 2 ** i， t(di) = 1.5 * 2 ** 1.5。
首先，使用9-16FAST算法分别检测每个 octave 层和 intra-octave 层，使用相同的阈值T获得候选关键点区域。然后，对这些候选区域进行非极大值抑制。非极大值抑制是通过比较8个邻域内关键点与其环绕点的强度差值和，差值和最大的为角点。
fast score在计算是会在不同层间二次差值得到
2.采样模式
确定特征点后会在特征点周围S×S区域内进行采样，虑 N*N(N-1)/2对采样点
考虑所有的采样点对:
定义短距离点对的子集，以及L个长距离点对的子集：
距离的阈值设置为
3.确定主方向
通过采样获得的长距离点对集合，带入下式获得主方向
4.获得描述子（特征）
计算描述子时，采样区域需要先根据特征点的主方向做个旋转，旋转角度为
BRISK描述子是二值特征，描述子的每一bit的值等于短距离点对的比值，即
在计算描述子的时候只考虑短距离的点对，原文中选取512个短距离点对，因此描述子bit-string的位数为512。
5.匹配原则
对描述子匹配时，采用汉明距离，进行二值匹配。
6.汉明距离
它表示两个（相同长度）字对应位不同的数量，我们以d（x,y）表示两个字x,y之间的汉明距离。对两个字符串进行异或运算，并统计结果为1的个数，那么这个数就是汉明距离。
1011101 与 1001001 之间的汉明距离是 2。
2143896 与 2233796 之间的汉明距离是 3。
"toned" 与 "roses" 之间的汉明距离是 3。