Algoritmi feature-based

Questi algoritmi procedono in due fasi. Nella prima vengono estratte dalle immagini le cosiddette feature , rappresentazioni ``interessanti'' di alcune caratteristiche dell'immagine: i contorni e i segmenti ne sono gli esempi più comuni. Nella seconda fase si accoppiano feature provenienti dall'immagine sinistra con feature provenienti dall'immagine destra.

Il fatto di operare su strutture più ``ricché' dei valori di intensità semplifica il compito di trovare gli accoppiamenti e permette di elaborare selettivamente solo alcune parti dell'immagine.

Le caratteristiche migliori di questi algoritmi si riassumono in

• tempi di calcolo relativamente ridotti, grazie al fatto di non compiere ricerche estensive su tutta l'immagine.

• forniscono stime robuste di distanza, se la localizzazione e il confronto delle feature sono affidabili.

Gli algoritmi feature-based soffrono di alcune limitazioni intrinseche

• non forniscono mappe di profondità dense, ma misurano solo la distanza delle feature estratte.

• è assolutamente determinante scegliere correttamente le feature usate per effettuare gli accoppiamenti per avere buoni risultati.

• la scelta delle feature è possibile solo conoscendo il tipo di immagini che verrano elaborate.

• malgrado gli sforzi profusi nella ricerca, non si sono individuate feature sufficientemente generali da poter trattare la varietà di situazioni incontrate da un robot che opera in ambienti reali.

Sistemi di questo tipo hanno dimostrato un certo successo per sistemi che operano all'interno di edifici, dove l'ambiente contiene una grande quantità di superfici rettilinee e quindi facilmente descrivibili mediante segmenti. Tuttavia, se si vuole che il sistema di visione continui a funzionare anche in presenza di oggetti come piante, appendiabiti, esseri umani, ecc., un sistema basato solamente sui segmenti è insufficiente.