FAST角点检测中得分计算的算法背后是什么？

Question

在FAST角点检测器中，如何计算检测到的角点的分数？我阅读了原始论文“用于高速角点检测的机器学习”，但在分数计算部分没有明确说明它们正在引用哪些N个连续像素。它是满足该点角点标准的N个连续像素吗？我还发现下面的链接https://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/AV1011/AV1FeaturefromAcceleratedSegmentTest.pdf讲述了FAST角点分数计算。此外，我没有找到本文所描述的分数函数与OPENCV对半径为3的Bresenham圆进行的分数计算之间的任何对应关系。

https://github.com/opencv/opencv/blob/master/modules/features2d/src/fast_score.cpp

在上面链接中，分数已经在cornerScore<16>函数中计算。除此之外，没有其他文章明确讨论Fast特征检测器中的FAST分数计算。有人可以给我任何关于这个的见解吗？

注：我也看过第二篇论文“更快更好：一种机器学习方法用于角点检测”，但它没有明确提到分数计算。

- Sayan Barrie Mccullum

---

https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_feature2d/py_fast/py_fast.html 在那里我认为解释得很清楚。 - Micka

但是OPENCV的实现并没有遵循那个得分计算方法。 - Sayan Barrie Mccullum

Answer 1

我也被在线文档搞糊涂了：

评分函数定义为： “相邻弧线上的像素与中心像素之间的绝对差值之和”

我非常确定OpenCV不是这样计算分数的。如果您耐心地阅读您提到的源代码，您将发现函数cornerScore<16>执行以下操作：

1. 获取以目标像素为中心的圆圈上的16个像素值
2. 从16个像素值中选择一个连续的9个像素组合，并计算这9个像素与中心像素之间的绝对差值，取最小值（即称为阈值）
3. 以每个像素作为步骤2的起始像素，你将得到16个阈值
4. 返回最大阈值作为角点分数

从这个流程中，您可以看到OpenCV计算的分数是使目标像素成为FAST角点的最大阈值。

- VictorBian

---

感谢您提供了详细的解释，我已经反复阅读了源代码，但由于缺乏相关的先验知识，一直很难理解。您是个天才，先生！我还想知道为什么要找到d[k+1]、d[k+2]和d[k+3]的最小值，然后再与旧的阈值进行比较。我们应该直接计算d[k]到d[k+8]的最小值，然后再进行比较。 - Sayan Barrie Mccullum

代码高度优化。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; 是为了提前终止（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，则当前迭代中计算出的两个阈值也不会高于旧阈值。 - VictorBian

天才先生，天才 - Sayan Barrie Mccullum