Matlab 中的计算机视觉系统工具箱包括特征检测、提取和匹配。除角点特征外，还包括有向梯度的线、边、直方图。工具箱中还有一个关于点特征匹配的示例（名称称为角点，但实际上不是）。

如果您追求最简单的算法，您基本上可以尝试仅使用图像边缘（而不是角落）的 Genaralized Hough 变换。

对于真正无纹理的对象，以下内容可能会指导您：

1）如果你愿意使用 kinect 之类的 RGBD 相机，Hinterstoisser 已经提出了一个非常好的算法来做到这一点：

http://cvlabwww.epfl.ch/~lepetit/papers/hinterstoisser_pami11.pdf

2）如果没有，您可以使用 BOLD 功能（线束检测器）。这将假设您的模板由线要素组成，而不是角。这篇论文读起来也很舒服：

http://vision.deis.unibo.it/fede/papers/iccv13_pre.pdf

请注意，我提供的论文是在 LineMod（或 Line2D）之后发表的，它已经在 OpenCV 中： http ://ar.in.tum.de/pub/hinterstoisser2011linemod/hinterstoisser2011linemod.pdf

这取决于哪些类型的功能对您有用。如果角落没有用/没有特色，你应该去别处看看。例如，可能类似于 blob 的功能将适合您的需要。查看关于特征检测器的维基百科文章http://en.wikipedia.org/wiki/Feature_detection_(computer_vision)。这是一个很好的起点，可以让您了解什么是组和假设。如今，有许多工具箱集成了许多这些算法。例如，最近的 MATLAB 版本已经包含用于计算机视觉的工具箱。