该code，是在ubuntu下基于pcl点云库实现的AGAST detector。包含：源代码，CmakeLists.txt文件以及matlab调用程序。

面向大规模SFM的快速鲁棒特征跟踪算法.pdf,运动恢复结构（SFM）是指通过分析二维图像序列恢复三维结构信息的过程，在计算机视觉的多种应用中起着重要的作用。特征跟踪是大规模SFM的核心组成部分，但现有的多视图特征跟踪算法在鲁棒性和效率上还存在不足，为解决这一问题，提出了一种快速和鲁棒的特征跟踪(FRFT)算法。首先，采用AGAST进行特征点检测，并使用图像矩为AGAST特征定义主方向，为构造旋转不变的描述子奠定基础；其次，在差分高斯金字塔空间内，根据中心点与邻域像素之间的差值构造特征描述子，

参考链接： https://www.cnblogs.com/dengxiaojun/p/5302778.html 图像角点其实也是一种图像特征点,对于一张图像来说,特征点分为三种形式包括边缘,焦点和斑点,在OPENCV中,加上角点检测,总共提供了以下的图像特征点检测算法： FAST SURF ORB BRISK KAZE AKAZE MESR GFTT good feature to tack Bob斑点 STAR AGAST KeyPoint结构 首先需要了解OPENCV的一种数据结构,