冲浪和SIFT替代对象跟踪算法用于增强现实
-
19-09-2019 - |
题
问之后 这里 并尝试冲浪和筛分,它们都没有接缝以足够高效地产生兴趣点足以快速地跟踪相机的流。
例如,冲浪需要大约3秒钟的时间来为图像产生兴趣点,这太慢了,无法跟踪来自Web Cam的视频,并且在在手机上使用它时会更糟。
我只需要一种跟踪特定区域,其比例,倾斜等的算法。我可以在其中构建。
谢谢
解决方案
我怀疑您的冲浪使用情况可能需要一些更改吗?
这是一个链接 关于使用Surf在移动设备上增强现实应用程序的麻省理工学院论文。
摘抄:
在本节中,我们介绍了Surf al-Gorithm的实施及其对手机的适应。接下来,我们讨论准确性对最近邻居搜索的速度的影响,并表明我们可以达到数量级的速度 - 对匹配精度的影响最小。最后,我们讨论了匹配管道的电话实现的详细信息。我们在手机上研究性能,内存使用和带宽消耗。
您可能还想研究OpenCV的算法,因为它们经过了尝试和测试。
取决于 约束 在您的应用程序中,您可以减少这些算法的通用性,以在图像中寻找已知的POI和标记。
部分 追踪 POI将其向量从2D图像中的一个点估算到另一个点,然后选择确认其仍然存在(通过像素特征)。可以使用相同的方法来跟踪POI和POI组/对象的透视和旋转更改(不重新扫描整个图像)。
在线有大量论文,用于在2D投影上跟踪对象(在许多情况下,直至服务器偏斜)。
祝你好运!
其他提示
我们正在将冲浪用于一个项目,我们发现 打开 以原始速度和性能超越OPENCV的冲浪实现。我们仍未测试重复性和准确性,但速度更快。
更新:我只是想指出,您不需要在每个帧中执行冲浪匹配步骤,您可以简单地执行其他每个帧,然后插入对象在未执行冲浪的框架中的位置。
如果您对要跟踪的区域进行更严格的限制,则可以使用更简单的算法。如您所知,Artoolkit非常快,但是只能跟踪具有非常独特的框架的黑白标记。
如果您想要(某种)通用跟踪器,则可能需要检查PTAM。网站 (http://www.robots.ox.ac.uk/~gk/ptam/)目前正在下降,但这是它在iPhone上工作的时髦视频(http://www.youtube.com/watch?v=pbi5hwitbx4)
正如其他人提到的那样,三秒钟似乎异常长。在测试冲浪实施的同时 大亨 图书馆,我发现即使有一些相当大的图像(例如1024x768),它平均需要0.36秒。那就是python和c的混合,所以我想其他一些纯-C实现甚至会更快。
我发现对每种特征检测算法的这种不错的比较 http://computer-vision-talks.com/2011/01/comparison-op-the-opencvs-feature-detection-algorithms-2/
看一看。它可能有用!
根据该比较,正如Mirror2Image还建议,FAST是最佳选择。但这取决于您真正想要实现的目标。
我在受约束的嵌入式系统中使用的一个选择是使用更简单的兴趣点检测器:快速或shi-tomasi。我使用了什叶派,因为我瞄准了FPGA,并且可以轻松以像素速率运行它,而无需显着缓冲。
然后使用Surf生成围绕已确定功能的图像补丁的描述符,并将其用于匹配和跟踪目的。