点特征类型- MATLAB和Simulink金宝app - 金宝app,下载188bet金宝搏,金宝搏官方网站

点特征类型

图像特征检测是许多计算机视觉任务的构建块，例如图像配准，跟踪和对象检测。计算机Vision Toolbox™包括用于图像特征检测的各种功能。这些函数返回要存储特定于特定类型的功能的信息的点对象，包括（x，y）坐标（在位置属性)。您可以将一个点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确定它返回的点对象的类型。

返回点对象的函数

点对象	返回的	类型的特性
`cornerPoints`	`detectFASTFeatures` 加速段测试（FAST）算法的特点使用近似度量来确定角落。［1］	角落单尺度检测点跟踪、小尺度或无尺度变化的图像配准、人类起源场景(如街道和室内场景)的角点检测。
	`侦探训练` 最小特征值算法使用最小的特征值度量来确定角落位置。[4]
	`detectHarrisFeatures` 哈里斯 - 斯蒂芬斯算法比最小特征值算法更有效。[3]
`Brikspoint.`	`detectBRISKFeatures` 二进制强大的不变可伸缩关键点（快速）算法[6]	角落多尺度检测点跟踪，图像配准，处理规模和旋转的变化，人类源地区的角落检测，如街道和室内场景
`SURFPoints`	`detectSURFFeatures` 加速鲁棒特征(SURF)算法[11]	斑点多尺度检测目标检测和图像配准与比例和旋转变化
`ORBPoints`	`detectORBFeatures` 定向快速和旋转的简短（ORB）方法[13]	角落多尺度检测点跟踪，图像配准，处理旋转变化，人类源的场景中的角落检测，如街道和室内场景
`KAZEPoints`	`detectKAZEFeatures` KAZE不是首字母缩略词，而是由日语单词衍生出来的名字kaze，意思是风。参考文献是指在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］	均匀强度区域多尺度检测注册，宽基线立体声校准，文本检测，对象检测。处理更改为缩放和旋转。与其他探测器相比，仿射仿射变换更加强大。

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

estismsfundamentalmatrix. 从立体声图像中的对应点估计基本矩阵

estimateGeometricTransform2D 从匹配点对估计几何变换

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 函数将方向财产的validPoints输出对象到弧度中提取特征的方向。

狂 函数将方向财产的validPoints输出对象到弧度中提取特征的方向。

冲浪

函数将方向财产的validPoints输出对象到弧度中提取特征的方向。

当你使用的时候MSERREGIONS对象的冲浪方法,重心对象的属性提取冲浪描述符。这轴对象的属性选择冲浪描述符的比例，使得表示该功能的圆的圆形与MSER椭圆区域成比例。规模计算为1/4 *√(majorAxes / 2)。* (minorAxes / 2))并饱和到1．6，根据需要SURFPoints对象。

KAZE

非线性金字塔的特征。

函数将方向财产的validPoints输出对象到弧度中提取特征的方向。

当你使用的时候MSERREGIONS对象的KAZE方法,位置对象的属性用于提取Kaze描述符。

这轴属性选择KAZE描述符的比例，这样表示特征的圆的面积与MSER椭圆面积成比例。

or 函数不设置方向财产的validPoints输出对象为所提取特征的方向。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。

这块该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

函数选择方法基于输入点和实施的类：

这狂A.cornerPoints输入对象。

这冲浪A.SURFPoints或MSERREGIONS输入对象。

这狂A.Brikspoint.输入对象。

这orA.ORBPoints输入对象。

为m-2-2输入矩阵[Xy]坐标，功能实现了块方法。

extractHOGFeatures 提取面向梯度（HOG）特征的直方图

InsertMarker. 在图像或视频中插入标记

showMatchedFeatures 显示相应的特征点

由三角形组成的 立体图像中未畸变匹配点的三维位置

undistortPoints 镜头失真的正确点坐标

参考文献

[1]罗斯滕，E.和T. Drummond，“用于高速角检测的机器学习”。第9欧洲电脑愿景会议．2006年第1卷，430-443页。

[2] Mikolajczyk，K.和C.施密。“绩效评估本地描述符。”图案分析与机器智能的IEEE交易。第27卷，第10期，2005,1615-1630页。

[3]哈里斯，C.和M. J. Stephens。“一个组合的角和边缘探测器。”第四届Alvey Vision会议的诉讼程序．1988年8月，第147-152页。

作者简介:Shi, J.， and C. Tomasi。“需要跟踪的好功能。”计算机愿景和模式识别的IEEE会议的诉讼程序．1994年6月，第593-600页。

Tuytelaars, T.和K. Mikolajczyk。“局部不变特征检测器:综述”计算机图形和视觉的基础和趋势．2007年第3卷第3期177-280页。

Leutenegger, S.， M. Chli, R. Siegwart。“敏捷: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] Nister, D.和H. Stewenius。线性时间最大稳定极值区域计算机科学讲义。第十届欧洲计算机视觉会议．法国马赛:2008年第1位。5303年,页183 - 196。

[8] Matas，J.，O. Chum，M. Urba和T.Pajdla。“来自最大稳定的极值区域的强大宽基线立体声。”英国机器视觉会议的诉讼程序．2002年,页384 - 396。

[9] Obdrzalek D.，S. Basovnik，L. Mach和A. Mikulik。“使用最大稳定的颜色区域检测场景元素。”计算机和信息科学的通信．La Fertce-Bernard，法国：2009，Vol。82 CCIS（2010年12 01），PP 107-115。

Mikolajczyk, K.， T. Tuytelaars, C. Schmid, A. Zisserman, T. Kadir和L. Van Gool。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，43-72页。

[11]湾，H.，A.ESS，T. Tuytelaars和L. Van Gool。“冲浪：加速强大的功能。”计算机愿景和图像理解（CVIU）.vol。110，第3,2008，PP。346-359。

Alcantarilla, p.f.， A. Bartoli和A.J. Davison。“KAZE功能”,ECCV 2012, Part VI, LNCS 7577PP。214,2012

Rublee, E.， V. Rabaud, K. Konolige和G. Bradski。ORB: SIFT或SURF的有效替代品。在2011国际计算机视觉会议论文集，2564-2571。巴塞罗那，西班牙，2011年。

[14]罗斯滕，E.和T. Drummond。“高性能跟踪的融合点和线条，”IEEE计算机愿景国际会议的诉讼程序，卷。2（2005年10月）：PP。1508-1511。