物体常用的特征提取与匹配方法"/>
Opencv运动物体常用的特征提取与匹配方法
Opencv运动物体常用的特征提取与匹配方法
提取图像空间关系特征可以有两种方法:
1) 首先对图像进行自动分割,划分出图像中所包含的对象或颜色区域,然后根据这些区域提取图像特征,并建立索引;(分割——块特征——索引)
2) 简单地将图像均匀地划分为若干规则子块,然后对每个图像子块提取特征,并建立索引。
姿态估计问题:确定某一三维目标物体的方位指向问题。
姿态估计在机器人视觉、动作跟踪和单照相机定标等很多领域都有应用。在不同领域用于姿态估计的传感器是不一样的。
基于视觉的姿态估计根据使用的摄像机数目分为单目视觉姿态估计和多目视觉姿态估计。根据算法的不同又可分为基于模型的姿态估计和基于学习的姿态估计。
1 基于模型的姿态估计方法
基于模型(模型可以是简单的几何形体,如平面、圆柱,也可能是某种几何结构,也可能是通过激光扫描或其它方法获得的三维模型)的方法利用物体的几何关系或者物体的特征点来估计。
基本思想:利用某种几何模型或结构来表示物体的结构和形状,并通过提取某些物体特征,在模型和图像之间建立起对应关系,然后通过几何或者其它方法实现物体空间姿态的估计。
基于模型的姿态估计方法是通过比对真实图像和合成图像,进行相似度计算更新物体姿态。目前基于模型的方法为了避免在全局状态空间中进行优化搜索,一般都将优化问题先降解成多个局部特征的匹配问题。
特点:非常依赖于局部特征的准确检测,当噪声较大无法提取准确的局部特征的时候,该方法的鲁棒性受到很大影响。
更多推荐
Opencv运动物体常用的特征提取与匹配方法
发布评论