点特性类型- MATLAB和Simulink万博1manbetx - 万博1manbetx,s manbetx 845,万博尤文图斯

点特征类型

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。

函数返回点对象

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]	角落单级检测点跟踪、尺度变化小或无尺度变化的图像配准、街道、室内等人为原始场景的角点检测。
	`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]	角落多尺度检测点跟踪，图像配准，把手改变缩放和旋转，在人类起源的场景角点检测，如街道和室内场景
`SURFPoints`	`detectSURFFeatures` 加速健壮特征(SURF)算法[11]	斑点多尺度检测对象检测和图像配准与缩放和旋转变化
`ORBPoints`	`detectORBFeatures` 面向FAST和旋转的附图（ORB）方法[13]	角落多尺度检测点跟踪，图像配准，改变手柄旋转，在人类起源的场景角点检测，如街道和室内场景
`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`	`detectMSERFeatures` 最大稳定极值区域(MSER)算法[7][8][9][10]	均匀的强度的区域多尺度检测登记，宽基线立体校准，文本检测，物体检测。手柄变为缩放和旋转。更稳健，以相对于其他检测器的仿射变换。

接受点对象的函数

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MSERRegions对象的冲浪方法,重心对象的属性提取SURF描述符。该轴对象选择的属性的SURF规模描述符使得表示该特征的圆的面积正比于MSER椭圆区域。规模的计算公式为1/4 *√(majorAxes / 2)。* (minorAxes / 2))饱和到1.6根据需要，由SURFPoints对象。

KAZE

非线性基于金字塔的功能。

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MSERRegions对象的KAZE方法,位置该对象的属性被用于提取KAZE描述符。

该轴对象的属性选择KAZE描述符的比例，使代表该特征的圆的面积与MSER椭圆的面积成比例。

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。

该块方法只提取完全包含在图像边界内的邻域。因此,输出,validPoints，可以包含比输入更少的点点。

汽车

函数选择方法基于类的输入点和农具的：

该狂一种方法cornerPoints输入对象。

该冲浪一种方法SURFPoints或MSERRegions输入对象。

该狂一种方法BRISKPoints输入对象。

该ORB一种方法ORBPoints输入对象。

为中号-by-2的输入矩阵[Xÿ]坐标，函数执行块方法。

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

参考文献

[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。

点特征类型

函数返回点对象

接受点对象的函数

参考文献

相关的话题

相关的话题

计算机视觉工具箱文档

万博1manbetx

介绍用MATLAB进行深度学习