特征点
图像中局部具有显著特征的点，如角点或边缘交叉点，可在不同视角间可靠检测和匹配，用于图像对齐和跟踪。
特征点（关键点）是图像中局部具有显著特征的位置，可在不同视角间可靠检测。角点、边缘交叉点和纹理奇异点作为特征点，构成图像匹配、全景拼接、三维重建和目标跟踪的基础。
主要检测算法：
- Harris 角点检测：通过梯度结构矩阵特征值评估角点性。旋转不变但对尺度敏感
- SIFT：在尺度空间中检测 DoG 极值，具有 128 维描述子。尺度和旋转不变
- SURF：使用 Hessian 行列式和 64 维描述子的快速 SIFT 近似
- ORB：结合 FAST 检测和 BRIEF 描述子。无专利且可实时运行
- AKAZE：非线性尺度空间检测，具有强边缘保持能力
处理流程包括检测（定位关键点坐标）和描述（将周围模式编码为向量）。匹配图像间的描述子可识别对应关系。RANSAC 去除外点进行几何验证。SuperPoint 和 LoFTR 等深度学习方法在困难条件下已超越传统方法。
术语原文对应如下：特征点 (Feature Point / Keypoint) 同时是图像匹配、全景合成、3D 重建与物体追踪的基础；SIFT 为 Scale-Invariant Feature Transform，检测尺度空间中 DoG (Difference of Gaussians) 的极值；SURF 为 Speeded-Up Robust Features；ORB 为 Oriented FAST and Rotated BRIEF；去除外点所用的 RANSAC 为 Random Sample Consensus。处理分为检测 (Detection) 与描述 (Description) 2 个阶段，再比较 2 幅图像的描述子求出对应点。