2014-12-13 2 views
1

Я пытаюсь обнаружить объект с помощью SurfFeatureDetect и FLANN. Однако код не может точно определить изображение. Я также опубликовал результаты в живописном формате.Особенности2d + Говори изображение не дал результатов

enter image description here
Вот мой код из OpenCV учебник website

int main(int argc, char** argv){ 
if (argc != 3){ 
readme(); return -1; 
} 

Mat img_object = imread(argv[1], CV_LOAD_IMAGE_GRAYSCALE); 
Mat img_scene = imread(argv[2], CV_LOAD_IMAGE_GRAYSCALE); 
if (!img_object.data || !img_scene.data) 
{ 
    std::cout << " --(!) Error reading images " << std::endl; return -1; 
} 

//-- Step 1: Detect the keypoints using SURF Detector 
int minHessian = 100; 

SurfFeatureDetector detector(minHessian); 
std::vector<KeyPoint> keypoints_object, keypoints_scene; 

detector.detect(img_object, keypoints_object); 
detector.detect(img_scene, keypoints_scene); 

//-- Step 2: Calculate descriptors (feature vectors) 
SurfDescriptorExtractor extractor; 

Mat descriptors_object, descriptors_scene; 

extractor.compute(img_object, keypoints_object, descriptors_object); 
extractor.compute(img_scene, keypoints_scene, descriptors_scene); 

//-- Step 3: Matching descriptor vectors using FLANN matcher 
FlannBasedMatcher matcher; 
std::vector<DMatch> matches; 
matcher.match(descriptors_object, descriptors_scene, matches); 

double max_dist = 0; double min_dist = 100; 

//-- Quick calculation of max and min distances between keypoints 
for (int i = 0; i < descriptors_object.rows; i++) 
{ 
    double dist = matches[i].distance; 
    if (dist < min_dist) min_dist = dist; 
    if (dist > max_dist) max_dist = dist; 
} 

printf("-- Max dist : %f \n", max_dist); 
printf("-- Min dist : %f \n", min_dist); 
//-- Draw only "good" matches (i.e. whose distance is less than 3*min_dist) 
std::vector<DMatch> good_matches; 

for (int i = 0; i < descriptors_object.rows; i++) 
{ 
    if (matches[i].distance < 3 * min_dist) 
    { 
     good_matches.push_back(matches[i]); 
    } 
} 

Mat img_matches; 
drawMatches(img_object, keypoints_object, img_scene, keypoints_scene, 
    good_matches, img_matches, Scalar::all(-1), Scalar::all(-1), 
    vector<char>(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS); 

//-- Localize the object 
std::vector<Point2f> obj; 
std::vector<Point2f> scene; 

for (int i = 0; i < good_matches.size(); i++) 
{ 
    //-- Get the keypoints from the good matches 
    obj.push_back(keypoints_object[good_matches[i].queryIdx].pt); 
    scene.push_back(keypoints_scene[good_matches[i].trainIdx].pt); 
} 

Mat H = findHomography(obj, scene, CV_RANSAC); 

//-- Get the corners from the image_1 (the object to be "detected") 
std::vector<Point2f> obj_corners(4); 
obj_corners[0] = cvPoint(0, 0); obj_corners[1] = cvPoint(img_object.cols, 0); 
obj_corners[2] = cvPoint(img_object.cols, img_object.rows); obj_corners[3] = cvPoint(0, img_object.rows); 
std::vector<Point2f> scene_corners(4); 

perspectiveTransform(obj_corners, scene_corners, H); 

//-- Draw lines between the corners (the mapped object in the scene - image_2) 
line(img_matches, scene_corners[0] + Point2f(img_object.cols, 0), scene_corners[1] + Point2f(img_object.cols, 0), Scalar(0, 255, 0), 4); 
line(img_matches, scene_corners[1] + Point2f(img_object.cols, 0), scene_corners[2] + Point2f(img_object.cols, 0), Scalar(0, 255, 0), 4); 
line(img_matches, scene_corners[2] + Point2f(img_object.cols, 0), scene_corners[3] + Point2f(img_object.cols, 0), Scalar(0, 255, 0), 4); 
line(img_matches, scene_corners[3] + Point2f(img_object.cols, 0), scene_corners[0] + Point2f(img_object.cols, 0), Scalar(0, 255, 0), 4); 

//-- Show detected matches 
imshow("Good Matches & Object detection", img_matches); 

waitKey(0); 
return 0;} 

/** @function readme */ 
void readme() 
{ 
std::cout << " Usage: ./SURF_descriptor <img1> <img2>" << std::endl;} 
+0

Вы пытались отфильтровать плохие матчи? и возможно обнаружить больше ключевых точек? – zedv

ответ

3

Это является очень распространенным провал. Проблема в том, что гомография имеет 8 степеней свободы (8DOF). Это означает, что вам нужно по крайней мере 4 правильных соответствия для расчета хорошей гомографии:

enter image description here

Как вы можете видеть, гомография имеет 8 параметров (последний параметр ч является только масштабным коэффициентом). Проблема возникает, когда отличные от хороших корригентов (inlier) вам нужно отфильтровывать плохие соответствия (outlier). Когда больше выбросов, чем inliers (total/outliers > 50%), процедура RANSAC не может найти outlier, и вы получите странные результаты.

Решение этой проблемы непросто. Вы можете:

  • Используйте учебное изображение с аналогичным вращением вне плоскости (и аналогичным масштабом) объекта в изображении запроса.
  • Или используйте преобразование с меньшей степенью свободы (например, преобразование подобия). Таким образом вам понадобится меньше вкладок. Altho OpenCV не поддерживает эту более простую трансформацию с помощью надежного метода подгонки.
+0

'' 'Когда больше выбросов, чем inliers (total/outliers> 50%), процедура RANSAC не может найти outlier, и вы получаете странные результаты.' '' Не является истинным заявлением. RANSAC не является методом LS с нулевой точкой пробоя или подобным LMED с 0,5 точкой останова. Он может справиться с более высокой скоростью выбросов. Однако точность может быть снижена. Единственное предположение для RANSAC состоит в том, что в наборе имеется как минимум 4 элемента. –

Смежные вопросы