AST

L'ultima classe di estrattori di punti caratteristici cade sotto il nome di Accelerated Segment Test sviluppate da Rosten. DI questo algoritmo esistono al momento tre versioni leggermente differenti.

Figura 5.5: FAST: i 16 pixel sulla circonferenza di raggio 3 su cui eseguire il test di consecutività.

La prima versione di Features from Accelerated Segment Test FAST (RD05) è probabilmente quella più intuitiva: in questo caso sono indicati come caratteristici quei punti che hanno una sequenza continua di $n$ pixel, lungo a una circonferenza di raggio dato, tutti più (o meno) luminosi del pixel centrale usato come riferimento per il tono di grigio. Nel caso, per esempio, di FAST-9 vengono analizzati i 16 pixels sulla circonferenza di raggio 3 e si verifica se sussistono 9 pixel contigui tutti sopra o tutti sotto una certa soglia rispetto al pixel centrale. Nelle versioni successive (RD06) ottimizza l'estrazione attraverso l'uso di alberi di decisione addestrati per individuare punti caratteristici che massimizzano la quantità locale di informazione. Tali alberi processano sempre i pixel sulla circonferenza.

Questo approccio è tipico degli ultimi anni quando, grazie all'abbondare di dataset pubblici, è stato fatto largo utilizzo di classificatori per costruire individuatori di punti caratteristici stabili. Di fatto, date delle primitive che descrivono l'intorno di un punto, l'utilizzo di una tecnica di ottimizzazione permette di individuare quelle che mostrano maggiore stabilità nel particolare compito. L'articolo di Rosten fra l'altro produce un ottimo survey sulle tecniche di estrazione di punti caratteristici precedenti.

Nell'ultima variante (FAST-ER) viene infine estesa l'area da analizzare non solo ai punti di una circonferenza, ma a tutti i pixel nell'intorno del punto centrale.