链接：https://www.zhihu.com/question/32066833/answer/2041516754
编辑：深度学习与计算机视觉
声明：仅做学术分享，侵删
作者：Vinjn张静 https://www.zhihu.com/question/32066833/answer/54575191
我就提一下 OpenCV 中实现的特征点算法
答案都在代码中。
OpenCV 中和 2D 特征检测相关的算法的头文件位于
-
opencv\modules\features2d\include\opencv2\features2d.hpp，除SIFT、SURF以外的特征。
-
opencv\modules\nonfree\include\opencv2\nonfree\features2d.hpp，只包含SIFT、SURF这两个受专利保护的特征，因此不是免费的（nonfree）。
我们来看具体的类 DescriptorExtractor 的子类都是描述子提取器，包含
-
FREAK
-
OpponentColorDescriptorExtractor
-
BriefDescriptorExtractor
FeatureDetector 的子类都是特征检测器，包含
-
MSER
-
StarDetector，又名 StarFeatureDetector
-
FastFeatureDetector
-
GFTTDetector，又名 GoodFeaturesToTrackDetector
-
SimpleBlobDetector
-
DenseFeatureDetector
FeatureDetector 还提供一系列特殊的适配器子类，用于增强或加速之前的 FeatureDetector 类
-
GridAdaptedFeatureDetector
-
PyramidAdaptedFeatureDetector
-
AdjusterAdapter
-
DynamicAdaptedFeatureDetector
-
FastAdjuster
-
StarAdjuster
-
SurfAdjuster
Feature2D 的子类既是 FeatureDetector，又是 DescriptorExtractor，包含
-
BRISK
-
ORB
-
SIFT
-
SURF
希望这个回答可以授之以渔。
作者：周仇独
https://www.zhihu.com/question/32066833/answer/54637373
题主需要这篇文献
文献中列了各种边缘，区域，兴趣点的检测算法共15余种，应该可以满足题主需求了吧→_→
作者：盖世猪猪侠 https://www.zhihu.com/question/32066833/answer/464431579
按照描述符的类型分话：二进制描述符和非二进制描述符
按照色彩空间分的话，可以分为：彩色空间和灰度空间
也可以根据梯度信息、灰度强度啊。。。。
仅仅SIFT的变形算法我看到就不下20种了。
比较有影响力的，我觉得是LIOP、ORB、KAZE吧，当然了还有开创性的三元组二进制描述符。
作者：weiwei sun https://www.zhihu.com/question/32066833/answer/2048437391
根据自己的印象，简单汇总一下：
-
Local feature: LF-Net, L2-Net, Superpoint
-
Dense matching: GLUNet, LoFTR, COTR etc
-
Robust matching: MAGSAC, MAGSAC++, CNe/ACNe, OANet, NMNet.
-
Benchmark: Image matching benchmark (UBC).
-
Other: SuperGLUE
Note: 我一两年前比较关注相关的课题（其实就是ACNe[1] 啦！一种outlier rejection的网络），所以信息也不是很全，敬请谅解！
[1] Sun, Weiwei, et al. "Acne: Attentive context normalization for robust permutation-equivariant learning."Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2020.
作者：九歌 https://www.zhihu.com/question/32066833/answer/2044878612
局部特征有SuperPoint、R2D2、SEKD、D2-Net、DISK、ASLFeat等
基于patch的特征有L2-Net、DOAP等
局部特征匹配有AdaLAM、SuperGLUE等
特征+匹配有LoFTR等
目前在localization任务里效果比较好的组合大概是superpoint/disk+superglue/adalam吧
本文仅做学术分享，如有侵权，请联系删文。
下载1
在「3D视觉工坊」公众号后台回复：3D视觉，即可下载 3D视觉相关资料干货，涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。
下载2
在「3D视觉工坊」公众号后台回复：3D视觉github资源汇总，即可下载包括结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计源码汇总等。
下载3
在「3D视觉工坊」公众号后台回复：相机标定，即可下载独家相机标定学习课件与视频网址；后台回复：立体匹配，即可下载独家立体匹配学习课件与视频网址。
重磅！3DCVer-学术论文写作投稿 交流群已成立
扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。
同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。
一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。
▲长按加微信群或投稿
▲长按关注公众号
3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、orb-slam3等视频课程）、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近2000星球成员为创造更好的AI世界共同进步，知识星球入口：
学习3D视觉核心技术，扫描查看介绍，3天内无条件退款
圈里有高质量教程资料、可答疑解惑、助你高效解决问题
觉得有用，麻烦给个赞和在看~ 
