FAST 角点检测器中分数计算背后的算法

Question

FAST 角点检测器中检测到的角点的分数是如何计算的？我阅读了原始论文“高速角点检测的机器学习”，但在分数计算部分中没有明确提及它们所指的 N 个连续像素。是满足该点的角点标准的 N 个连续像素吗？我还找到了下面的链接

https://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/AV1011/AV1FeaturefromAcceleratedSegmentTest.pdf谈到了 FAST 角点分数计算。另外，我没有发现本文描述的得分函数与 OPENCV 对半径为 3 的 Bresenham 圆进行的得分计算之间存在任何对应关系。

分数已在上述链接中的cornerScore<16> 函数中计算出来。除此之外，没有其他文章明确讨论 Fast feature Detector 中的 FAST 分数计算。任何人都可以给我对此的任何见解吗？

注意-我还看过第二篇论文“更快更好：角点检测的机器学习方法”，但它没有明确提到分数计算。

Answer 1

网上的文档也让我困惑：

\n

\n
得分函数定义为：\n\xe2\x80\x9c连续弧内像素与中心像素之间的绝对差之和\npixel\xe2\x80\x9d
\n

\n

我很确定 OpenCV 不会这样计算分数。如果你耐心阅读你提到的源码，你会发现该函数cornerScore<16>是这样做的：

\n

\n

从这个管道中，您可以看到 OpenCV 计算的分数是使目标像素成为 FAST-corner 的最大阈值。

\n

该代码是高度优化的。在每次迭代中，它可以找到两个阈值，一个从d[k]到d[k+8]，另一个从d[k+1]到d[k+9]。中间的 `if( a <= a0 ) continue;` 用于提前终止（跳过当前迭代中不必要的比较）。因为如果d[k+1]到d[k+3]之间的最小值不高于旧阈值，则当前迭代计算的两个阈值也不会高于旧阈值。 (2认同)