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,如图像配准、跟踪和检测对象。计算机视觉工具箱™包括图像特征检测的多种功能。这些函数返回点对象的特定于特定类型的存储信息功能,包括(在(x, y)坐标位置
属性)。您可以通过一个点对象从一个检测函数各种其他功能需要特征点作为输入。一个检测函数所使用的算法决定了它返回类型的点对象。更多细节,请参阅当地的特征检测和提取。
函数返回点对象
点对象 | 返回的 | 类型的特性 |
---|---|---|
cornerPoints |
detectFASTFeatures 从加速段试验特性(快)算法 使用一个近似度量来确定。[1] |
角落 |
detectMinEigenFeatures 最小特征值算法 使用最小特征值指标来确定角落的位置。[4] |
||
detectHarrisFeatures Harris-Stephens算法 比最小特征值算法更有效。[3] |
||
BRISKPoints |
detectBRISKFeatures 二进制健壮的不变的可伸缩的要点(快)算法[6] |
角落 |
SIFTPoints |
detectSIFTFeatures 尺度不变特征变换 |
斑点 |
SURFPoints |
detectSURFFeatures 日后健壮的特性(冲浪)算法[11] |
斑点 |
ORBPoints |
detectORBFeatures 面向快速旋转(ORB)方法[13] |
角落 |
KAZEPoints |
detectKAZEFeatures KAZE不是一个缩写,但一个名字来源于日本词kaze,这意味着风。引用是空气的流动受大规模非线性过程。[12] |
多尺度blob特性 减少模糊对象的边界 |
MSERRegions |
|
地区统一的强度 |
函数接受点对象
函数 | 描述 | ||||
---|---|---|---|---|---|
estrelpose |
计算相对旋转和相机的姿势之间的翻译 |
||||
estimateFundamentalMatrix |
估计基本矩阵对应点的立体图像 | ||||
estgeotform2d |
估计几何变换的匹配点对 | ||||
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 |
这个函数设置取向 财产的validPoints 输出对象中提取的方向特性,在弧度。 |
||||
狂 |
这个函数设置取向 财产的validPoints 输出对象中提取的方向特性,在弧度。 |
||||
冲浪 |
这个函数设置 当您使用一个 |
||||
KAZE |
基于非线性金字塔的特点。 这个函数设置 当您使用一个 的 |
||||
ORB |
函数不设置取向 财产的validPoints 输出对象中提取的方向特性。默认情况下,取向 的属性validPoints 设置为取向 属性的输入ORBPoints 对象。 |
||||
块 |
简单的方形neighbhorhood。 的 |
||||
汽车 |
功能选择
对于一个米2输入矩阵的xy)坐标,实现的函数 |
||||
extractHOGFeatures |
提取的梯度的柱状图(猪)特性 | ||||
insertMarker |
插入标记图像或视频 | ||||
showMatchedFeatures |
显示对应的特征点 | ||||
由三角形组成的 |
3 d立体影像不失真匹配点的位置 | ||||
undistortPoints |
正确的点坐标镜头畸变 |
引用
[1]Rosten E。,t·德拉蒙德,“机器学习检测高速角落。”9日欧洲计算机视觉。1卷,2006年,页430 - 443。
[2]Mikolajczyk, K。和c·施密德。“绩效评估当地的描述符”。IEEE模式分析与机器智能。问题10卷。27日,2005年,页1615 - 1630。
[3]哈里斯,C。,m·j·斯蒂芬斯。“一个角落和边缘检测器相结合。”第四届阿尔维愿景会议学报》上。1988年8月,页147 - 152。
[4],J。,预。“好跟踪特性。”《IEEE计算机视觉与模式识别会议。1994年6月,第593 - 600页。
[5]Tuytelaars, T。,k . Mikolajczyk。“局部不变特征探测器:一项调查。”基金会和趋势在计算机图形学和远见。3卷,第三期,2007年,页177 - 280。
[6]Leutenegger, S。,m . Chli和r . Siegwart。“快:二进制健壮的不变的可伸缩的要点。”《IEEE国际会议。ICCV, 2011年。
[7]nist, D。和h . Stewenius。“线性时间最大限度稳定极值区域。”课堂讲稿在计算机科学中,10日欧洲计算机视觉。法国马赛的:2008,不。5303年,页183 - 196。
[8]Matas, J。o .密友,m . (t . Pajdla。“健全wide-baseline立体声从最大限度地稳定极值区域。”英国机器视觉会议学报》上。2002年,页384 - 396。
[9]Obdrzalek D。美国Basovnik l·马赫,和a . Mikulik。“使用最大限度检测场景元素稳定颜色区域。”通信在计算机和信息科学。La Ferte-Bernard法国:2009,卷82 CCIS(2010 12 01),页107 - 115。
[10]Mikolajczyk, K。t . Tuytelaars c·施密德,a . Zisserman t Kadir也和l . Van干傻事。“仿射地区比较探测器”。国际计算机视觉杂志》上。11月1 - 2号卷。65年,2005年,页43 - 72。
[11]湾,H。,a Ess、t . Tuytelaars和l . Van干傻事。“冲浪:加快健壮的特性。”计算机视觉和图像理解(CVIU).Vol。110年3号,2008年,页346 - 359。
[12]Alcantarilla,功率因数答:胜者,A.J.戴维森。“KAZE功能”,7577年2012年大会,第六部分,信号214年,2012页
[13]Rublee E。诉Rabaud, k . Konolige和g . Bradski。“ORB:一个有效的替代筛选或冲浪。”In2011年国际会议上计算机视觉学报》上,2564 - 2571。2011年西班牙巴塞罗那。
[14]Rosten E。,t·德拉蒙德。“高绩效跟踪、融合点和线”《IEEE计算机视觉国际会议,卷2(2005年10月):1508 - 1511页。
[15]劳,David G . .“独特的形象特征尺度不变的要点。”Int。j .第一版。愿景60,不。2 (2004):91 - 110。