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