针对车底危险物图像拼接中存在特征点匹配精度低、匹配速度慢、拼接处存在裂缝以及拼接时间久的问题，提出一种车底危险物图像快速拼接算法。首先，利用角点检测（FAST）算法进行图像特征点提取，再用二进制鲁棒不变可扩展关键点（BRISK）算法对保留的特征点进行特征描述；其次，用快速最近邻搜索（FLANN）算法进行粗匹配；接着，使用渐进一致采样（PROSAC）算法进行特征点提纯；最后，利用拉普拉斯金字塔算法进行图像融合与拼接。实验结果表明：在车底危险物图像数据中，与SIFT、SURF、ORB算法相比，所提算法的图像特征匹配精度分别提高13.10百分点、8.59百分点、11.27百分点，匹配时间分别缩短76.26%、85.36%、10.27%，图像拼接时间分别缩短63.73%、64.21%、20.07%，拼接处不存在明显裂痕。因此，基于FAST、BRISK、PROSAC和拉普拉斯金字塔组合的图像拼接算法是一种优质的图像快速拼接算法。

针对传统features from accelerated segment test（FAST）算法检测到的角点存在聚簇现象和阈值依靠人为确定，图像匹配算法匹配准确率较低和双目视觉测量精度较低等问题，提出一种基于改进FAST和binary robust independent elementary features（BRIEF）的双目视觉测量方法。首先用FAST算法提取出特征点，简化检测模板，同时用自适应阈值提取特征点；然后用改进的BRIEF描述特征点，用像素点邻域的灰度平均值进行比较形成描述子；之后用汉明距离完成匹配；最后用灰度梯度法得到匹配点的亚像素坐标，根据视差和三角测量原理计算出匹配点的三维空间坐标，从而完成被测物体的尺寸测量。实验结果表明：在角点检测方面，改进的FAST检测到的角点更均匀；在图像配准方面，通过与其他算法进行对比，验证了所提方法能有效地提高匹配准确率；在测量方面，所提方法测量的最低相对误差为0.45%，满足测量要求。

针对传统Harris角点检测算法的图像配准过程计算量大、速度慢等问题，提出一种快速预筛选Harris角点检测算法。首先通过FAST算法快速排除大量非特征点，再通过抑制半径解决FAST角点聚簇现象，然后在FAST角点邻域内筛选出Harris角点，最后采用BruteForce匹配方式得到精准匹配。实验结果表明：所提改进算法不仅提高了角点检测速度而且减少了冗余角点数量，在图像配准过程中有效提高了配准速度与精度，配准效果良好。

以效率较高的加速分割测试特征提取(FAST)算法为基础,添加原FAST算法不具备的尺度不变性和旋转不变性特征描述子,在特征检测和匹配时将颜色信息作为重要参考变量,提出了一种基于颜色信息改进FAST算法的图像特征检测和匹配算法(C-FAST)。改进后的算法效率较高,具有更高的检测和匹配精度,且在光照变化和噪声下均有很好的稳健性。使用公开数据集和常用图像对FAST算法、快速稳健特征(SURF)算法、基于颜色信息的尺度不变特征转换(CSIFT)算法及所提C-FAST算法进行了性能分析。结果表明,所提算法能有效可靠地完成图像的特征检测和匹配,对比原FAST算法,准确率提升30%。

为了解决当前图像匹配算法主要通过图像的区域梯度信息来进行图像匹配, 当图像存在光照变化等干扰时, 将会使得匹配图像存在较多的错误匹配点以及匹配耗时较长等不足, 提出了基于点对称关系耦合距离约束的图像匹配方法。采用FAST算法对图像特征点进行准确、快速的检测, 利用拉普拉斯极值模型进一步剔除伪特征点, 以提高算法的匹配正确度;对特征点的对称性进行计算, 利用点对称关系构造点间距度量模型, 以求取特征描述符中的特征向量, 输出特征描述符;基于SURF特征点匹配机制, 对特征点完成双向匹配约束, 完成特征点匹配。对匹配特征点进行欧氏度量, 以度量结果的比值以及均值作为依据, 构造距离约束模型, 利用距离约束模型判别错误匹配点, 优化匹配结果。实验结果显示: 与当前图像匹配算法相比较, 所提算法不仅具有较高的匹配精度以及匹配效率, 而且具有较好的鲁棒性能。