平面物体检测

这个教程的目标是学习如何使用 features2d 和 calib3d 模块来检测场景中的已知平面物体。

测试数据: 数据图像文件，比如 “box.png”或者“box_in_scene.png”等。

创建新的控制台(console)项目。读入两个输入图像。

Mat img1 = imread(argv[1], CV_LOAD_IMAGE_GRAYSCALE);

Mat img2 = imread(argv[2], CV_LOAD_IMAGE_GRAYSCALE);

检测两个图像的关键点（尺度旋转都不发生变化的关键点）。

// 对第一幅图像进行关键点检测

FastFeatureDetector detector(15);

vector<KeyPoint> keypoints1;

detector.detect(img1, keypoints1);

... // 对第二幅图像进行关键点检测

计算每个关键点的描述向量(Descriptor)。

// 计算描述向量

SurfDescriptorExtractor extractor;

Mat descriptors1;

extractor.compute(img1, keypoints1, descriptors1);

... // 计算第二幅图像中的关键点对应的描述向量

计算两幅图像中的关键点对应的描述向量距离，寻找两图像中距离最近的描述向量对应的关键点，即为两图像中匹配上的关键点:
```
// 关键点描述向量匹配

BruteForceMatcher<L2<float> > matcher;

vector<DMatch> matches;

matcher.match(descriptors1, descriptors2, matches);
```

可视化结果:

// 绘制出结果

namedWindow("matches", 1);

Mat img_matches;

drawMatches(img1, keypoints1, img2, keypoints2, matches, img_matches);

imshow("matches", img_matches);

waitKey(0);

寻找两个点集合中的单映射变换（homography transformation）:

vector<Point2f> points1, points2;

// 用点填充形成矩阵(array)

....

Mat H = findHomography(Mat(points1), Mat(points2), CV_RANSAC, ransacReprojThreshold);

创建内匹配点集合同时绘制出匹配上的点。用perspectiveTransform函数来通过单映射来映射点:

Mat points1Projected; perspectiveTransform(Mat(points1), points1Projected, H);
用 drawMatches 来绘制内匹配点.

翻译者

Shuai Zheng, <kylezheng04@gmail.com>, http://www.cbsr.ia.ac.cn/users/szheng/

from: http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/features2d/detection_of_planar_objects/detection_of_planar_objects.html#detectionofplanarobjects

秒客网

OpenCV平面物体检测

平面物体检测

翻译者

相关文章