特徴点のタ@ @プ
イメージの特徴検出は,イメージのレジストレーション,追跡およびオブジェクト検出といった多くのコンピュータービジョンタスクの基本ブロックとなります。计算机视觉工具箱™にはイメージの特徴を検出するさまざまな関数が含まれています。これらの関数は,(x, y)座標(位置
プロパティ内)など,特定タreeプの特徴に固有の情報を格納する点オブジェクトを返します。点オブジェクトは、検出関数から特徴点の入力を必要とする他の各種の関数に渡すことができます。検出関数で返す点オブジェクトのタイプは、その関数が使用するアルゴリズムによって決まります。
点オブジェクトを返す関数
点オブジェクト | 生成元 | 特徴のタ@ @プ |
---|---|---|
cornerPoints |
detectFASTFeatures 加速段测试(FAST)アルゴリズム的功能 近似メトリクスを使用してコ,ナ,を判定。[1] |
コナ |
detectMinEigenFeatures 最小固有値アルゴリズム 最小固有値メトリクスを使用してコ,ナ,の位置を判定。[4] |
||
detectHarrisFeatures 哈里斯-史蒂芬斯アルゴリズム 最小固有値アルゴリズムよりも効率的。[3] |
||
BRISKPoints |
detectBRISKFeatures 二进制健壮不变可扩展关键点(BRISK)アルゴリズム[6] |
コナ |
SIFTPoints |
detectSIFTFeatures 尺度不变特征变换 |
ブロブ |
SURFPoints |
detectSURFFeatures 加速健壮特性(SURF)アルゴリズム[11] |
ブロブ |
ORBPoints |
detectORBFeatures 定向快速和旋转简要(ORB)法[13] |
コナ |
KAZEPoints |
detectKAZEFeatures KAZEは頭辞語ではなく,風を意味する日本語KAZEから派生した名前です。大規模な非線形プロセスで規定される空気の流れを基準とします。[12] |
マルチスケ,ルブロブ特徴 オブジェクト境界のブレ除去の削減 |
MSERRegions |
|
強度が一様な領域 |
点オブジェクトを受け入れる関数
関数 | 説明 | ||||
---|---|---|---|---|---|
relativeCameraPose |
カメラの姿勢間の相対的な回転と並進を計算 |
||||
estimateFundamentalMatrix |
ステレオ▪▪メ▪▪ジ内の対応する点から基礎行列を推定 | ||||
estimateGeometricTransform2D |
マッチする点のペアから幾何学変換を推定 | ||||
estimateUncalibratedRectification |
キャリブレ,ションなしのステレオ平行化 | ||||
extractFeatures |
関心点記述子の抽出 | ||||
方法 | 特徴ベクトル | ||||
轻快的 |
関数はvalidPoints 出力オブジェクトの取向 プロパティを,抽出した特徴の向き(ラジアン単位)に設定します。 |
||||
狂 |
関数はvalidPoints 出力オブジェクトの取向 プロパティを,抽出した特徴の向き(ラジアン単位)に設定します。 |
||||
冲浪 |
関数はvalidPoints 出力オブジェクトの取向 プロパティを,抽出した特徴の向き(ラジアン単位)に設定します。
|
||||
KAZE |
非線形のピラミッドベ,スの特徴。 関数は
オブジェクトの |
||||
ORB |
関数はvalidPoints 出力オブジェクトの取向 プロパティを,抽出した特徴の向きに設定しません。既定では,validPoints の取向 プロパティは入力ORBPoints オブジェクトの取向 プロパティに設定されます。 |
||||
块 |
シンプルな正方形近傍。
|
||||
汽车 |
この関数は入力の点のクラスに基づいて方法 を選択し,次を実装します。
[x y]座標のM行2列の入力行列の場合,関数は |
||||
extractHOGFeatures |
勾配方向ヒストグラム(猪)特徴を抽出 | ||||
insertMarker |
イメージまたはビデオにマーカーを挿入 | ||||
showMatchedFeatures |
対応する特徴点を表示 | ||||
由三角形组成的 |
ステレオ@ @メ@ @ジでの歪み補正後のマッチする点の3次元位置 | ||||
undistortPoints |
レンズ歪みの点座標の修正 |
参照
[1] Rosten, E.和T. Drummond,“高速角落检测的机器学习。第九届欧洲计算机视觉会议。Vol. 1, 2006, pp. 430-443。
[2]米科拉奇克,K.和C.施密德。局部描述符的性能评估。模式分析与机器智能汇刊。第27卷,2005年第10期,第1615-1630页。
[3]哈里斯,C.和M. J.斯蒂芬斯。“一种组合角和边缘检测器。”第四届阿尔维视觉会议论文集。1988年8月,第147-152页。
[4] Shi, J.和C.托马西。“值得追踪的优秀功能。”IEEE计算机视觉与模式识别会议论文集。1994年6月,第593-600页。
[5] Tuytelaars, T.和K. Mikolajczyk。局部不变特征检测器:一个调查。计算机图形与视觉基础与趋势“,”第3卷,第3期,2007,第177-280页。
[6]洛滕艾格,S., M. Chli, R. Siegwart。“BRISK:二进制鲁棒不变可扩展关键点。”IEEE国际会议论文集。ICCV, 2011年。
[7]尼斯特,D.和H.斯特温尼乌斯。线性时间最大稳定极值区域计算机科学讲座讲稿。第十届欧洲计算机视觉会议。法国马赛:2008年,不是。5303,第183-196页。
[8]马塔斯,J., O. Chum, M. Urba和T. Pajdla。“从最稳定的极值区域获得强大的宽基线立体声。”机械工程学报,2002,pp. 384-396。
[9] Obdrzalek D., S. Basovnik, L. Mach, A. Mikulik。使用最大稳定颜色区域检测场景元素计算机与信息科学通讯“,”La Ferte-Bernard,法国:2009,卷82 CCIS(2010 12 01),第107-115页。
[10]米科拉奇克,K., T.图特拉尔斯,C.施密德,A.齐瑟曼,T.卡迪尔,L.凡古尔。仿射区域探测器的比较。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]贝,H., A. Ess, T. Tuytelaars和L. Van Gool。“SURF:加速健壮的功能。”计算机视觉与图像理解(CVIU)卷。110,第3期,2008,第346-359页。
[12]阿尔坎塔里拉,p.f., A.巴托利和A. j .戴维森。“KAZE特性”,ECCV 2012,第VI部分,LNCS 7577页214,2012
[13] Rublee, E. V. Rabaud, K. Konolige和G. Bradski。“ORB: SIFT或SURF的有效替代方案。”2011年计算机视觉国际会议论文集,2564-2571。2011年,西班牙巴塞罗那。
[14]罗斯滕,E.和T.德拉蒙德。“用于高性能跟踪的点线融合”,IEEE计算机视觉国际会议论文集,第2卷(2005年10月):1508-1511页。
[15] Lowe, David G..“来自比例不变关键点的独特图像特征。”Int。j .第一版。视力60,不是。2(2004): 91—110。