OpenCV ORB detector findet nur sehr wenige Eckdaten
Ich versuche, die Kugel Knackpunkt Detektor und es scheint wieder viel weniger Punkte als der SIFT-Detektor und der FAST-Detektor.
Dieses Bild zeigt die Eckdaten der ORB-Detektor:
... und dieses Bild zeigt die Eckdaten der SIFT-detection-Phase (SCHNELLE gibt eine ähnliche Anzahl von Punkten).
Dass so ein paar Punkte führt zu sehr schlechten feature matching-Ergebnisse in den Bildern. Ich bin einfach nur neugierig über den Nachweis der Bühne der ORB jetzt aber, weil, wie es scheint, bin ich immer falsche Ergebnisse. Ich habe versucht, mit ORB-detector mit Standard-Parameter und benutzerdefinierte Parameter unten als auch.
Warum so ein großer Unterschied?
Code:
orb = cv2.ORB_create(edgeThreshold=15, patchSize=31, nlevels=8, fastThreshold=20, scaleFactor=1.2, WTA_K=2,scoreType=cv2.ORB_HARRIS_SCORE, firstLevel=0, nfeatures=500)
#orb = cv2.ORB_create()
kp2 = orb.detect(img2)
img2_kp = cv2.drawKeypoints(img2, kp2, None, color=(0,255,0), \
flags=cv2.DrawMatchesFlags_DEFAULT)
plt.figure()
plt.imshow(img2_kp)
plt.show()
- Nur senken die Schwelle.
- Ich glaube nicht, dass ist das Problem. Ich habe versucht, die Absenkung der beiden Schwellenwerte und es macht keinen signifikanten Unterschied in der Anzahl der wesentlichen Punkte erkannt.
- Hmmm. Was scoreType=cv2.ORB_HARRIS_SCORE -> FAST_SCORE? Als offtop, könnte ich empfehlen, zu versuchen, AKAZE Detektor/Deskriptor - es ist robust und schnell.
Du musst angemeldet sein, um einen Kommentar abzugeben.
Zunehmende nfeatures erhöht sich die Anzahl der erkannten Ecken. Die Art der Knackpunkt extractor scheint irrelevant. Ich bin mir nicht sicher, wie diese parameter übergeben wird, zu SCHNELL oder Harris aber es scheint zu funktionieren.
Obwohl dieser thread ist schon ziemlich alt, ich hoffe das kann helfen, jemanden mit der gleichen Frage:
Ist sehr gut erklärt durch das Rublee et al. in Ihrem Papier "ORB: eine effiziente alternative zu SIFT oder SURF". Da glaube ich nicht zu in der Lage sein, um das besser zu erklären, hier ist ein direktes Zitat aus Seite 2565 der "2011 International Conference on
Computer Vision":