點擊上方「3D視覺工坊」，選擇「星標」git
乾貨第一時間送達github
Harris 角點檢測 認爲 特徵點具備局部差別性。算法
如何描述「特徵點具備局部差別性」：微信
以每個點爲中心，取一個窗口，窗口大小爲5*5或7*7像素大小。學習
這個窗口描述了這個特徵點周圍的環境。spa
若是這個特徵點具備局部差別性，那麼以這個特徵點爲中心，把窗口向360度任意一個方向移動，窗口的變化比較大，則這個特徵點的周圍環境變化比較大。視頻
數學公式：blog
（x,y）：表示像素的位置。教程
：表示窗口內的每一個像素。
資源
w(x,y)：表示 這個位置的權重。
若w=1，則說明窗口中全部的像素貢獻是同樣的。
若w設置爲以這個特徵點爲中心的高斯，
高斯權重，說明距離這個特徵點越近，權重越大；越往周圍發散，權重越小。
I(x,y)：表示(x,y)這個位置的像素值。若是是灰度圖，I就是灰度值，若是是彩色圖，I就是RGB值。
u和v表示窗口移動的方向。
I(x+u,y+v) - I(x,y)：表示對應像素的灰度差別。
：在整個窗口內，即在局部環境內求這個像素灰度差別的加權和。
對 I(x+u,y+v) - I(x,y)進行一階泰勒展開，獲得
在(x,y)處的灰度值，再加上u方向和v方向的偏導數。
整理後，結果爲：
u和v表示窗口移動的方向， H表示Harris矩陣，主要由圖像梯度表示。
對Harris矩陣進行特徵分解：
獲得兩個特徵值，矩陣的這兩個特徵值反映了：兩個相互垂直的方向上的變化狀況。
一個是變化最快的方向，一個是變化最慢的方向。
前面設置了u和v，這是兩個向量，表示窗口移動的方向。以(x,y)這個點爲中心，進行360度的旋轉。
特徵值對應的特徵向量，肯定了變化最快的方向和變化最慢的方向。其餘方向的變化狀況，介於這二者之間。
經過對Harris矩陣的分析，獲得以下結論：
只有當Harris矩陣的兩個特徵值都很是大的時候，特徵點才能和周圍環境區別比較大，是咱們想要的特徵點。
如今檢測特徵的任務就變成了，計算Harris矩陣，並判斷其兩個特徵值的大小。
Harris角點準則
實際中，並不對Harris矩陣進行分解求其特徵值，由於計算量太大。而是使用Harris角點準則。
C = Harris矩陣的行列式值 – k(Harris矩陣的跡)2
Harris矩陣的行列式值：Harris矩陣特徵值的乘積
Harris矩陣的跡：Harris矩陣特徵值的和
k的值越小，檢測子越敏感。k的值越小，能檢測到的特徵點越多。
只有當和同時取得最大值時， 才能取得較大值。
避免了特徵值分解，提升檢測計算效率。
本文僅作學術分享，若有侵權，請聯繫刪文。
下載1
在「3D視覺工坊」公衆號後臺回覆：3D視覺，便可下載 3D視覺相關資料乾貨，涉及相機標定、三維重建、立體視覺、SLAM、深度學習、點雲後處理、多視圖幾何等方向。
下載2
在「3D視覺工坊」公衆號後臺回覆：3D視覺github資源彙總，便可下載包括結構光、標定源碼、缺陷檢測源碼、深度估計與深度補全源碼、點雲處理相關源碼、立體匹配源碼、單目、雙目3D檢測、基於點雲的3D檢測、6D姿態估計源碼彙總等。
下載3
在「3D視覺工坊」公衆號後臺回覆：相機標定，便可下載獨家相機標定學習課件與視頻網址；後臺回覆：立體匹配，便可下載獨家立體匹配學習課件與視頻網址。
重磅！3DCVer-學術論文寫做投稿 交流羣已成立
掃碼添加小助手微信，可申請加入3D視覺工坊-學術論文寫做與投稿 微信交流羣，旨在交流頂會、頂刊、SCI、EI等寫做與投稿事宜。
同時也可申請加入咱們的細分方向交流羣，目前主要有3D視覺、CV&深度學習、SLAM、三維重建、點雲後處理、自動駕駛、CV入門、三維測量、VR/AR、3D人臉識別、醫療影像、缺陷檢測、行人重識別、目標跟蹤、視覺產品落地、視覺競賽、車牌識別、硬件選型、學術交流、求職交流等微信羣。
必定要備註：研究方向+學校/公司+暱稱，例如：」3D視覺 + 上海交大 + 靜靜「。請按照格式備註，可快速被經過且邀請進羣。原創投稿也請聯繫。
▲長按加微信羣或投稿
▲長按關注公衆號
3D視覺從入門到精通知識星球：針對3D視覺領域的知識點彙總、入門進階學習路線、最新paper分享、疑問解答四個方面進行深耕，更有各種大廠的算法工程人員進行技術指導。與此同時，星球將聯合知名企業發佈3D視覺相關算法開發崗位以及項目對接信息，打形成集技術與就業爲一體的鐵桿粉絲彙集區，近2000星球成員爲創造更好的AI世界共同進步，知識星球入口：
學習3D視覺核心技術，掃描查看介紹，3天內無條件退款
圈裏有高質量教程資料、可答疑解惑、助你高效解決問題
以爲有用，麻煩給個贊和在看~