特征有时候指的是detector ，有的时候指的是description
为什么要提特征？
location recognition场景识别
robot localization
panoram全景
局部特征：抗遮挡、区分物体
特征匹配问题：在新输入的图像上提取特征点，找到好的点，和数据库里匹配 （两个步骤：首先是找到一个好的点，然后搞清楚两个点是同一个点）挑战：
harris 提取
https://www.cnblogs.com/ronny/p/4009425.html
通过能量函数判断是否这个东西是角点，物理意义是image patch朝着任意方向做小的平移，然后计算ssd，希望平移后的ssd足够大 ，$\delta$ amadmin最
FAST的detector：用决策树直接判断image patch是不是corner，看圆周上是否有连续的12个点是不是比中心的点亮或暗，
快速的方法：看东南西北四个方向是否有连续的三个点比它亮，如果否就丢掉，是的话在细分，用决策树可以更快
但没计算orientation（方向向量）
description
SIFT：性能好：梯度计算orientation，直方图，画grid
SUFT：对SIFT的加速了
BRIEF：描述子变成二进制，计算汉明距离，非常快
ORB：oriented FAST and Rotated BRIDEF：先用fast计算corner，用灰度质心法计算方向，最后用BRIEF做描述子，并且BRIEF会有个旋转
特征匹配match
全部遍历，计算最近的距离
距离计算：L_2
BRIEF的话还可以用汉明距离
如果场景中有重复的局部特征可能匹配错误：
除了选出最近的还要看第二近的，最近的距离应该要比第二近的距离远小才好，一般会计算第一近比上第二近的比值，如果这个值小于一个阈值，那就认为是匹配的
特征提取和描述（detector & description）
原文：https://www.cnblogs.com/RBKing/p/13174458.html