Opencv için yeni ve iki görüntü arasında görüntü eşleşen kullanmaya çalışıyorum. Bunun için özellik tanımlayıcıları, tanımlayıcı presi ve tanımlayıcı matchers arasındaki farkı anlamaya çalışıyorum. Genelinde açısından çok geldim ve onlar hakkında okumaya çalıştım opencv belgeleri web sitesinde ama sadece bu kavramlar etrafında başımı sarmak için görünmüyor olabilir. Temel fark burada anladım. Difference between Feature Detection and Descriptor Extraction

Ama bu konu üzerinde çalışırken, aşağıdaki koşullara denk geldim :

HIZLI, GFTT, ELEMEK, SÖRF, MSER, YILDIZ, KÜRE, TEMPOLU, UCUBE, KISA

Ben ne kadar HIZLI anlamak, ELEMEK, işe SÖRF, ama onlar sadece var olan algılayıcıları ve hangi anlamaya gibi olamaz.

Sonra matchers vardır.

FlannBased, BruteForce, knnMatch ve muhtemelen bazı Diğerleri.

Biraz okuduktan sonra, belirli matchers, yalnızca burada açıklandığı gibi belirli presi ile kullanılabileceğini düşündüm. How Does OpenCV ORB Feature Detector Work? Sınıflandırma verilen oldukça açık ama sadece birkaç presi ve şamandıra ve uchar arasındaki farkı anlamıyorum.

Yani temelde, birisi lütfen

1. dedektörlerin türleri, presi ve matchers belirtildiği gibi yüzer ve uchar, ya da sınıflandırma diğer bazı Türüne göre sınıflandırmak?
2. sınıflandırma kullanılıyor, hangisi yüzer ve uchar sınıflandırma arasındaki farkı açıklar mısın?
3. (kod) dedektörleri, presi ve matchers türleri başlatmak için nasıl söz?

Bir çok şey için soruyor biliyorum ama çok minnettar olurum. Teşekkür ederim.

Ben ne kadar HIZLI anlamak, ELEMEK, iş SÖRFÜ ama anlamaya gibi olamaz yukarıda olanlar sadece dedektörleri ve sıkıcılar.

Temel olarak, bu listenin özelliği dedektörleri/sıkma (bağlantı için makaleler: FAST, GFTT, SIFT, SURF, MSER, STAR, ORB, BRISK, FREAK, BRIEF), bazıları tek özelliği dedektörleri (HIZLI, GFTTama diğer özellik detektörleri ve tanımlayıcı presi hem de (ELEMEK, SÖRF, KÜRE, UCUBE).

Eğer yanlış hatırlamıyorsamKISAsadece tanımlayıcı bir aspiratör özellikleri daha HIZLI veya KÜRE gibi başka bir algoritma tarafından tespit edilmesi gerekir.

Emin olmak için hangisi iyi hangisi kötü, sen var ya göz makale ile ilgili algoritma ya da Gözat opencv belgelerine bakın hangi uygulanması için FeatureDetector sınıf veya hangisi için DescriptorExtractor Sınıf.

S1: dedektörler, presi ve matchers dayalı türlerini sınıflandırmak şamandıra ve uchar da bahsedildiği gibi, sınıflandırma veya başka türde?

S2: kaydır ve uchar sınıflandırma arasındaki farkı açıklar ya da hangi sınıflama kullanılmaktadır?

İlgili1 ve 2 soru, link you already posted en iyi referanstır kaydır ve uchar, onları sınıflandırmak için biliyorum, belki birisi tamamlamak mümkün olacak.

S3: (kod) dedektörü türleri başlatma,nasıl söz presi ve matchers?

Cevapsoru 3, OpenCV kodu bir özelliği dedektörü seçmek zorundasınız esas olarak çeşitli türleri eskisi gibi kullanmak için yapılmış. Fark en eşleştirici türünü seçmek ve bunu zaten OpenCV 3 olanlardan bahsetti. Burada yapacağınız en iyi şey bu belgeleri okumak için, code samples ve Taşma ile ilgili sorular Yığını. Ayrıca, bazı blog yazıları bilgi mükemmel bir kaynak, series of feature detector benchmarks by Ievgen Khvedchenia bu gibi.

Matcherseğer bir tanımlama listesinden başka bir tanımlayıcı benzer olup olmadığını bulmak için kullanılır. Ya da listeden diğer tüm tanımlayıcıları ile sorgu tanımlayıcı karşılaştırabilirsiniz (BruteForceya da daha iyi bir sezgisel kullanın) (FlannBased, knnMatch). Sorun sezgisel tanımlayıcıları her türlü çalışmaz. Örneğin, FlannBased uygulama uchar floattanımlayıcıları ama'nın (Ama 2.4.0, LSH Endeksi ile FlannBased uchar tanımlayıcıları uygulanabilir beri). sadece çalışmak için kullanılır

DescriptorMatcher türleri hakkında this App-Solut blog post alıntı:

Bu DescriptorMatcher çeşitleri yer alıyor“”, FlannBased “”, “BruteForce-L1” ve “BruteForce-HammingLUT”. BruteForceMatcher Bu “FlannBased” eşleştirici, özel banyo (hızlı kütüphane için yaklaşık kullanır en yakın komşular) kütüphane daha hızlı ama gerçekleştirmek için kaputun altında yaklaşık eşleşen. “BruteForce-*” sürümleri etraflıca searche bir resim için en yakın eşleşme özelliği bulmak için bir sözlük sözlükte kelime.

Daha popüler kombinasyonları şunlardır:

Özellik Dedektörleri Decriptor Presi / Matchers türleri/

• (HIZLI SÖRF) SÖRF / FlannBased/

• (HIZLI, ELEMEK) / FlannBased ELEMEK/

• () HIZLI, KÜRE / KÜRE / Bruteforce

• () HIZLI, KÜRE / KISA / Bruteforce

• / Bruteforce / UCUBE (HIZLI SÖRF)

Birkaç kişi de fark etmiş olabilirsinizadaptörleri (Dinamik, Piramit, Izgara)özellik detektörleri için. The App-Solut blog post gerçekten güzel kullanımı özetler:

(...) ve aynı zamanda bir değiştirmek için kullanabilirsiniz adaptörleri bir çift vardır anahtar nokta dedektörleri davranış. Örneğin Dynamic Dedektör türü ayarlayan adaptör belirli bir algılama eşiği yeterince anahtar noktaları bir görüntü bulunana kadar veya Pyramid adaptör bir Gauss birden fazla puan olarak tespit piramit yapıları terazi. Pyramid bağdaştırıcı özellik tanımlayıcıları için yararlıdır sabit olmayan ölçek.

Daha fazla bilgi için:

• This blog post by Yu Lu ELEMEK çok güzel özet bir açıklama, HIZLI, SÖRF, KISA, KÜRE, TEMPOLU ve UCUBE yapar.

• series of posts by Gil Levi bu da bu algoritmalar birkaç (KISA) KÜRE, TEMPOLU ve UCUBE için detaylı özetleri.