효율적으로 얻는 방법 opencv 2.4.9를 사용하여 ORB에서 결과를 얻으려면?

Question

int method = 0; 

std::vector<cv::KeyPoint> keypoints_object, keypoints_scene; 
cv::Mat descriptors_object, descriptors_scene; 

cv::ORB orb; 

int minHessian = 500; 
//cv::OrbFeatureDetector detector(500); 
//ORB orb(25, 1.0f, 2, 10, 0, 2, 0, 10); 
cv::OrbFeatureDetector detector(25, 1.0f, 2, 10, 0, 2, 0, 10); 
//cv::OrbFeatureDetector detector(500,1.20000004768,8,31,0,2,ORB::HARRIS_SCORE,31); 
cv::OrbDescriptorExtractor extractor; 

//-- object 
if(method == 0) { //-- ORB 
    orb.detect(img_object, keypoints_object); 
    //cv::drawKeypoints(img_object, keypoints_object, img_object, cv::Scalar(0,255,255)); 
    //cv::imshow("template", img_object); 

    orb.compute(img_object, keypoints_object, descriptors_object); 
} else { //-- SURF test 
    detector.detect(img_object, keypoints_object); 
    extractor.compute(img_object, keypoints_object, descriptors_object); 
} 
// http://stackoverflow.com/a/11798593 
//if(descriptors_object.type() != CV_32F) 
// descriptors_object.convertTo(descriptors_object, CV_32F); 


//for(;;) { 
    cv::Mat frame = cv::imread("E:\\Projects\\Images\\2-134-2.bmp", 1); 
    cv::Mat img_scene = cv::Mat(frame.size(), CV_8UC1); 
    cv::cvtColor(frame, img_scene, cv::COLOR_RGB2GRAY); 
    //frame.copyTo(img_scene); 
    if(method == 0) { //-- ORB 
     orb.detect(img_scene, keypoints_scene); 
     orb.compute(img_scene, keypoints_scene, descriptors_scene); 
    } else { //-- SURF 
     detector.detect(img_scene, keypoints_scene); 
     extractor.compute(img_scene, keypoints_scene, descriptors_scene); 
    } 

    //-- matching descriptor vectors using FLANN matcher 
    cv::BFMatcher matcher; 
    std::vector<cv::DMatch> matches; 
    cv::Mat img_matches; 
    if(!descriptors_object.empty() && !descriptors_scene.empty()) { 
     matcher.match (descriptors_object, descriptors_scene, matches); 

     double max_dist = 0; double min_dist = 100; 

     //-- Quick calculation of max and min idstance 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<cv::DMatch>good_matches; 

     for(int i = 0; i < descriptors_object.rows; i++) 

     { if(matches[i].distance < (max_dist/1.6)) 
      { good_matches.push_back(matches[i]); } 
     } 

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

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

     for(size_t 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); 
     } 
     if(!obj.empty() && !scene.empty() && good_matches.size() >= 4) { 
      cv::Mat H = cv::findHomography(obj, scene, cv::RANSAC); 

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

      std::vector<cv::Point2f> scene_corners(4); 

      cv::perspectiveTransform(obj_corners, scene_corners, H); 

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

     } 
    } 

     t =(double) getTickCount() - t; 
    printf("Time :%f",(double)(t*1000./getTickFrequency())); 

    cv::imshow("match result", img_matches); 
    cv::waitKey(); 


return 0; 

여기서는 두 이미지간에 템플릿 매칭을 수행하고 있습니다. 여기서 ORB 알고리즘을 사용하여 핵심 포인트를 추출하고 BF Matcher와 일치 시키지만 좋은 결과를 얻지는 못합니다. 여기에 문제를 이해하기위한 이미지를 추가하고 있습니다

여기에 일치하는 키 포인트로 객체가 인식 될 때 프레임 이미지에서 객체 주위에 실제로 그려지는 사각형 인 테디의 진한 파란색 선을 볼 수 있습니다. 여기 Opencv 2.4.9를 사용하고 있는데, 좋은 결과를 얻으려면 어떻게해야합니까?

Answer 1

임의의 피쳐 검출 + 추출 후 호모 그래피 추정에 사용되는 많은 매개 변수가 있습니다. 그러나 실현해야 할 요점은 거의 항상 계산 시간 VS의 문제입니다. 정확도.

cv::OrbFeatureDetector detector(25, 1.0f, 2, 10, 0, 2, 0, 10); 

1. 첫 번째 매개 변수는 검출기에서 상위 25 개 결과를 사용하여 추출을 알려줍니다 : 가장 중요한이 코드의 지점을 실패

   는 ORB 초기화입니다. 매개 변수에 제약이없는 8 자유도 호모 그래피의 신뢰할 수있는 추정을 위해서는 매개 변수보다 더 많은 기능 즉, 80보다 더 많은 기능이 있거나 단지 100으로 설정해야합니다.

2. 두 번째 매개 변수는 이미지 크기를 줄이기위한 것입니다 (또는 레벨의 검출기 패치). 숫자 1.0f을 사용하면 옥타브 사이의 눈금을 변경하지 않는다는 것을 의미합니다. 특히 세 번째 매개 변수는 2가 아닌 1의 숫자가 아니기 때문에 의미가 없습니다. 기본값은 축척의 경우 1.2f이고 계산의 경우는 8 수준입니다. 1.5f 및 4 레벨의 비율을 사용하십시오 (다시 한번 제안 만하면 다른 매개 변수도 작동합니다).
3. 네 번째 및 마지막 매개 변수는 계산할 패치 크기가 10x10이라고 말하면서 매우 작지만, 저해상도로 작업하면 괜찮습니다.
4. 점수 유형 (마지막 매개 변수 이전에 하나)은 런타임을 조금 변경할 수 있습니다. ORB::HARRIS_SCORE 대신 ORB::FAST_SCORE을 사용할 수 있지만별로 중요하지 않습니다.

마지막으로 당신이 BruteForce Matcher를 개체를 초기화 할 때, 당신은 ORB는 바이너리 기능이기 때문에 실제로 무언가를 의미,이 일치 과정에 대한 표준의 계산을 할 cv::NORM_HAMMING 유형을 사용하는 것을 기억해야한다,하지 이상.