Fast角點檢測
算法描述如下：
- 在圖像中選擇一個像素點p。
- 設置閾值爲T。
- 找到像素p周圍以3位半徑的圓上的16個像素。
- 爲了使算法運行的更快，首先計算1,5,9,13位置的像素與像素p的差，若其中有3個及上大於閾值T，則p點納入候選角點。
- 若p爲候選角點，則計算1到16位置的像素與像素p的差，若其中有至少連續9個大於閾值T，則認爲p爲角點。
- 重複以上過程直至找到所有角點。
非極大值抑制
- 對每一個角點計算一個得分，即周圍像素與中間像素絕對值之和。
![]()
- 計算p領域內所有角點的得分，所p的得分是最大的，則保留，否則刪除。
BRIEF（BinaryRobust Independent Elementary Features）特徵描述子
BRIEF特徵拋棄了傳統的用梯度直方圖描述區域的方法，改用檢測隨機響應，利用鄰域內隨機點對的灰度大小關係來進行特徵描述，大大加快了描述子的建立速度。
算法步驟：
- 以特徵點p爲中心，取一個大小爲s*s的鄰域Patch。
- 對局部區塊進行高斯平滑。
- 點對採樣，採樣方式有以下幾種。
- x,y方向平均分佈採樣
- x,y均服從Gauss(0,S^2/25)各向同性採樣
- x服從Gauss(0,S^2/25)，y服從Gauss(0,S^2/100)採樣
- x,y從網格中隨機獲取
- x一直在(0,0)，y從網格中隨機選取
在窗口內隨機選取一對點，比較二者像素的大小，進行如下二進制賦值：
4.取N對點對，得到N個二進制碼，組成一個N爲向量。一般N可取128,256。
Brief描述子優點在於速度快，特徵的存儲空間小，缺點在於不具備旋轉不變性和尺度不變性，對噪聲敏感。
這種特徵檢測方法有些顛覆對於特徵描述的認知，一般認爲，圖像中某點的特徵具有確定性，但根據原作者的研究表明，非匹配點的分佈大致是一128爲中心的高斯分佈，而匹配點的漢明距離圍繞在一個較小值附近。
ORB（Oriented Fast and Rotated BRIEF）
Orb具有旋轉不變性和噪音抑制的特徵，運算速度快於surf和sift，不具備尺度不變性。
ORB在計算BRIEF描述子時建立的座標系是一關鍵點爲圓心，以關鍵點和取點區域的質心連線爲X軸建立二維座標系。
質心的計算公式爲：
