AGAST 角点检测器和 FAST 角点检测器：
两者都是计算机视觉中快速检测图像角点的算法，核心目的是高效找到图像中 "有辨识度的点"，但细节略有不同：
（1）FAST 角点检测器
• 特点：速度极快，专门为实时场景设计（比如摄像头实时跟踪）。
• 原理：判断一个点是否为角点时，只看它周围 16 个像素（形成一个圆）。如果其中连续 12 个以上的像素，要么都比它亮很多，要么都比它暗很多，就判定为角点。
• 优势：计算简单，速度快，适合嵌入式设备（如 OpenMV 摄像头）。
• 缺点：对噪声较敏感（可能误判一些不是角点的点）。
（2）AGAST 角点检测器（
• 特点：FAST 算法的改进版，更灵活，适应性更强。
• 原理：在 FAST 基础上优化了判断逻辑，不需要固定检查 16 个像素，而是根据图像局部特征动态调整检查的像素数量和位置。
• 优势：在保持速度的同时，减少了误判，对不同类型的图像（比如明暗差异大或小的场景）适应性更好。

core_detector用来控制使用的角点检测的算法，默认是AGAST角点检测

normalized是布尔值。若为True，在多分辨率下关闭提取键点。

#normalized=True 表示 “归一化提取”，即只从图像的原始尺度（不进行多尺度缩放）中提取关键点。
#这是为了让 kpts2 的提取方式与 kpts1 中的某一尺度保持一致，确保两者能正确匹配（避免因缩放差异导致特征点无法对应）

image.match_descriptor(kpts1, kpts2, threshold=85)

LBP描述符，这个函数返回的是一个体现两个描述符之间区别的整数

如果返回值越小，证明两者越匹配

对于ORB描述符来说，这个函数返回的是一个kptmatch对象，

kptmatch.rect()返回矩形元组（匹配到的物体特征的外界矩形的框框）

import sensor
import time
import image

# Reset sensor
sensor.reset()

# Sensor settings
sensor.set_contrast(3)
sensor.set_gainceiling(16)
sensor.set_framesize(sensor.VGA)#640*480
sensor.set_windowing((320, 240))
sensor.set_pixformat(sensor.GRAYSCALE)

sensor.skip_frames(time=2000)
sensor.set_auto_gain(False, gain_db=100)

def draw_keypoints(img, kpts):
if kpts:
print(kpts) # 在控制台打印这些特征点的具体数据
# （比如每个点的坐标是多少，长什么样，计算机能看懂的信息）
img.draw_keypoints(kpts)# 在画面上把这些特征点画出来
# （会在每个特征点的位置画个小圆圈或十字，我们肉眼就能看到了）
img = sensor.snapshot()
time.sleep_ms(1000)

kpts1 = None
#因为程序刚启动时还没看到任何物体，所以先设为空，等摄像头捕捉到第一帧图像后，再从中提取特征点存入kpts1
#不建议从文件中导入特征
#因为每次运行的时候，环境不一样，背景不一样，光线不一样
clock = time.clock()
while True:
clock.tick()
img = sensor.snapshot()
if kpts1 is None:
# 判断：是不是第一次运行？（kpts1还是空的）
# 如果是第一次，就从当前画面中"提取物体的特征点"
kpts1 = img.find_keypoints(max_keypoints=150, threshold=10, scale_factor=1.2)
draw_keypoints(img, kpts1)
else:
kpts2 = img.find_keypoints(max_keypoints=150, threshold=10, normalized=True)
# 变量 kpts2 用来存储当前帧图像中提取的关键点，和初始帧的 kpts1 对应。

if kpts2:
match = image.match_descriptor(kpts1, kpts2, threshold=85)
if match.count() > 10:
# If we have at least n "good matches"
# Draw bounding rectangle and cross.
img.draw_rectangle(match.rect())
img.draw_cross(match.cx(), match.cy(), size=10)