图像特征检测是许多计算机视觉任务,如图像配准,跟踪,和对象检测的构建块。计算机视觉工具箱™包括特征检测等多种功能。这些函数返回点对象存储信息特定于特定类型的特征,包括(X,Y)坐标(在位置
属性)。您可以将points对象从检测函数传递给需要特征点作为输入的各种其他函数。检测函数使用的算法决定它返回的点对象的类型。
点对象 | 返回的 | 类型的特性 |
---|---|---|
cornerPoints |
detectFASTFeatures 从加速段测试(FAST)算法特征 使用近似的方法来确定角落。[1] |
角落 |
detectMinEigenFeatures 最小特征值算法 利用最小特征值指标来确定角落的位置。[4] |
||
detectHarrisFeatures 哈里斯 - 斯蒂芬斯算法 比最小特征值的算法更高效。[3] |
||
BRISKPoints |
detectBRISKFeatures 二进制强大的可扩展不变关键点(快走)算法[6] |
角落 |
SURFPoints |
detectSURFFeatures 加速健壮特征(SURF)算法[11] |
斑点 |
ORBPoints |
detectORBFeatures 面向FAST和旋转的附图(ORB)方法[13] |
角落 |
KAZEPoints |
detectKAZEFeatures KAZE不是首字母缩写,而是日语中的一个单词kaze,意思是风。参考的是大尺度上由非线性过程控制的空气流动。[12] |
多尺度blob特性 减少了物体边界的模糊 |
MSERRegions |
|
均匀的强度的区域 |
函数 | 描述 | ||||
---|---|---|---|---|---|
relativeCameraPose |
计算相机姿态之间的相对旋转和平移 |
||||
estimateFundamentalMatrix |
从立体图像中的对应点推定的基本矩阵 | ||||
estimateGeometricTransform |
估计几何从匹配点对变换 | ||||
estimateUncalibratedRectification |
未校准的立体声整改 | ||||
extractFeatures |
提取兴趣点描述符 | ||||
方法 | 特征向量 | ||||
轻快的 |
函数设置方向 财产的validPoints 输出对象的所提取的特征的取向,以弧度表示。 |
||||
狂 |
函数设置方向 财产的validPoints 输出对象的所提取的特征的取向,以弧度表示。 |
||||
冲浪 |
函数设置方向 财产的validPoints 输出对象的所提取的特征的取向,以弧度表示。当您使用 |
||||
KAZE |
非线性基于金字塔的功能。 函数设置 当您使用 该 |
||||
ORB |
函数没有设置方向 财产的validPoints 将对象输出到所提取特征的方向。默认情况下,方向 的属性validPoints 设置为方向 输入属性ORBPoints 对象。 |
||||
块 |
简单的方形neighbhorhood。 该 |
||||
汽车 |
函数选择方法 基于类的输入点和农具的:
为中号-by-2的输入矩阵[Xÿ]坐标,函数执行 |
||||
extractHOGFeatures |
梯度方向(HOG)特征的提取直方图 | ||||
insertMarker |
插入的图像或视频标记 | ||||
showMatchedFeatures |
显示对应的特征点 | ||||
由三角形组成的 |
立体图像中未失真匹配点的三维位置 | ||||
undistortPoints |
镜头失真正确的点坐标 |
[1] Rosten,大肠杆菌和T.德拉蒙德,“机器学习的高速角点检测。”第九届欧洲会议计算机视觉。2006年第1卷,第430-443页。
[2]米科瓦伊奇克,K.,和C.施密德。“局部描述符的绩效评估。”IEEE交易模式分析与机器智能。第27卷,2005年第10期,1615-1630页。
[3]哈里斯,C.,和M. J.斯蒂芬。“一个联合角和边检测。”第四阿尔维愿景研讨会论文集。1988年8月,页147-152。
[4] Shi, J.和C. Tomasi。“很好的特性。”计算机视觉和模式识别的IEEE会议论文集。1994年6月,593-600页。
[5] Tuytelaars, T.和K. Mikolajczyk。“局部不变特征检测器:一个调查”。计算机图形学和视觉的基础和趋势。2007年第3卷第3期第177-280页
[6] Leutenegger, S., M. Chli, R. Siegwart。轻快:二进制健壮不变可伸缩关键点。IEEE国际会议记录。ICCV, 2011年。
[7] Nister, D.和H. Stewenius。"线性时间最大稳定极值区域"计算机科学的课堂讲稿。第十届欧洲计算机视觉会议。法国马赛:2008年,no。5303年,页183 - 196。
[8]麦塔斯,J.,O.呒,M. Urba,和T. Pajdla。“从最大稳定极值区域的鲁棒宽基线立体。”英国机器视觉会议论文集。2002年,页384 - 396。
[9] Obdrzalek D.,S. Basovnik,L.马赫,和A. Mikulik。“检测场景元素使用最大限度地稳定的颜色区域。”在计算机和信息科学通讯。贝尔纳堡,法国:2009年,第。82个CCIS(2010 12 01),第107-115。
Mikolajczyk, K., T. Tuytelaars, C. Schmid, A. Zisserman, T. Kadir, L. Van Gool。“仿射区域检测器的比较”。国际计算机视觉杂志。第65卷第1-2期,2005年11月,第43-72页
[11]湾,H.,A. ESS,T. Tuytelaars和L.范GOOL。“SURF:加速稳健特征。”计算机视觉和图像理解(CVIU).Vol。110,第3号,2008年,第346-359。
[12] Alcantarilla, p.f., A. Bartoli和A.J. Davison。“KAZE功能”,ECCV 2012,第六部分,lncs7577第214,2012
[13] Rublee, E.诉Rabaud, K. Konolige和G. Bradski。ORB:一种筛或冲浪的有效替代品。In2011年计算机视觉国际会议论文集,2564年至2571年。西班牙巴塞罗那,2011。
[14] Rosten,E.,和T.德拉蒙德。“熔断点和线的高性能跟踪”计算机视觉的IEEE国际会议论文集卷。2(2005年10月):页。1508年至1511年。