有几种类型的探测器和描述的,像SIFT,SURF,FAST。我不知道他们是所有符合实时应用?这是最好的或更好?
进而,是哈里斯 - 拉普拉斯探测器仍然有用,当我们已经拥有上述三个?是不是比他们更好?
我可以告诉你使用Hessian-Affine和MSER进行检测,如果你需要不变性不同的因素(例如,视点变更)或快,如果你需要真正的时间。 FAST正在做类似的工作,哈里斯,但速度要快得多。
你可以看看,许多探测器进行测试,描述得非常好“Local Invariant Feature Detectors: A Survey”和“A Comparison of Affine Region Detectors”。
更新:“WxBS: Wide Baseline Stereo Generalizations”并延长了新颖的和古典探测器和描述符的基准。
其次,说明部分通常比检测速度较慢,所以要实时的,你必须使用GPU或二进制描述类似BRIEF或FREAK。
UPDATE2: “HPatches (Homography Patches) dataset and benchmark”,并在2016年ECCV相应http://www.iis.ee.ic.ac.uk/ComputerVision/DescrWorkshop/index.html车间。
UPDATE3:“Comparative Evaluation of Hand-Crafted and Learned Local Features”描述符(和比特检测器)上的大型3D重建任务CVPR 2017评价。
更新4:自动驾驶数据集“Interest point detectors stability evaluation on ApolloScape dataset”检测评价,ECCV 2018。
Update5:关于手工制作,学习的特点,2018“From handcrafted to deep local invariant features” Huuuge调查 - 概述文件。
我在OpenCV的3.0点检测器使用AVT敏达G-125C速度测试(1292x964)
单位是FPS