在特征匹配算法中，常用的局部特征检测算法包括以下几种：

  1. Harris角点检测算法：该算法通过计算每个像素的矩阵特征值来检测图像中的角点。角点通常是两个方向上的梯度变化比较大的位置。

  2. SIFT（尺度不变特征变换）算法：该算法通过构建高斯金字塔和差分金字塔，检测尺度不变的关键点。然后，根据关键点周围的图像梯度方向生成描述子，用于特征匹配。

  3. SURF（加速稳健特征）算法：该算法类似于SIFT算法，但通过积分图像加速计算，可以更快地检测关键点和生成描述子。

  4. FAST（快速特征）算法：该算法是一种基于机器学习的角点检测算法，通过比较像素的亮度来快速检测角点。

  5. ORB（Oriented FAST and Rotated BRIEF）算法：该算法结合了FAST角点检测和BRIEF描述子，能够快速检测旋转和尺度不变的特征点。

  这些算法在实际应用中都有其独特的优势和适应范围。选择适合的算法取决于应用需求、计算资源和实时性等因素。