【opencv】特征点检测方法--GFTT,SIFT,FAST,SURF

2024-04-14 20:18

本文主要是介绍【opencv】特征点检测方法--GFTT,SIFT,FAST,SURF,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一. 特征点检测方法总结

1 .       Shi-Tomasi  1994年,Jinabo ShiCarlo Tomasi提出

原理:http://blog.csdn.net/xiaowei_cqu/article/details/7805206

提出:http://wenku.baidu.com/link?url=d-ByPLIzgzJetEH0eg9OMEiCmjVunZ1V8lufllGymzWa0_7UcANJ7pqpur4joE-MRPYRqkS2D8vRv9HAMT9dQPx1zk9m1ZxvQska7m-bgqG

实现:http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/features2d/trackingmotion/good_features_to_track/good_features_to_track.html

      cvGoodFeatureToTrack函数(通过设置use_harris参数为非0,可以实现检测Harris角点)

优缺点:是对Harris的一种改进算法

      2.      SIFT1999年提出,2004年完善,David G.Lowe提出

原理:http://blog.csdn.net/dan1900/article/details/14521029

提出:1999:http://wenku.baidu.com/link?url=G8NB1abVM-qTB75Tz3x_krTDiS4GuHnXamdutUOxtZ2yozYe0nZAE28L0Tw-m2y9P60dQQKnB-vr0gisowVJQcM1W8IL1-PWd4bi_FusDJq

2004:http://www.doc88.com/p-077847145905.html

实现:http://www.cnblogs.com/tornadomeet/archive/2012/03/08/2384843.html

      http://blog.csdn.net/yang_xian521/article/details/7533922

      (non-free) 添加opencv_nonfree243.lib

优缺点:尺度不变,旋转不变,但匹配成功数目少,速度慢

3.       FAST(Features from Accelerated Tegment Test)2006年,Edward Rosten ,TomDrummond

原理:http://blog.csdn.net/yang_xian521/article/details/7411438

提出:2006:http://link.springer.com/chapter/10.1007/11744023_34  (Springer)

2010:http://www.edwardrosten.com/work/rosten_2008_faster.pdf

实现:http://www.edwardrosten.com/work/fast.html

      FastFeatureDetector函数

优缺点:计算速度快,只计算了灰度信息

4.      SURF(Speed UpRobust Feature)2006年,Bay等提出的

原理:http://blog.csdn.net/chenbang110/article/details/7541157

      http://blog.csdn.net/yangtrees/article/details/7482960

提出:http://link.springer.com/chapter/10.1007%2F11744023_32 (Springer)

实现:http://www.oschina.net/code/explore/OpenCV-2.2.0/samples/c/find_obj.cpp

      cvExtractSURF函数(non-free)

优缺点:由sift改进而来,比sift快,多幅图片时鲁棒性好。

5.      CenSurE(Center SurroundExtremas for Realtime Feature Detection and Matching)

2008年,Motiala Agrawal等

提出:http://wenku.baidu.com/link?url=lv4Spxx1kT66kf-FltX-Wa3NJw86_dpkH5kldXEbV6wY5lnbY0JbLGhP21HNF9t-y25ImzIbd3oQduwrxRfiMUJyzSO1bTLG4pI9uQPwHW3 (springer)

实现:opencv STAR (StartFeatureDetecor函数)

比较:文章提出了新的方法,并与已有特征点检测进行比较,比较时用到的算子:Harris,FAST,SIFT,SURF.方法:1. 计算当特征点是800时,对于不同的序列,特征点的可重复性。2. 计算最小的欧式距离值,对比距离区间点的个数,画折线图。3. 计算不同搜索范围下,当特征点个数是800时,每种特征点检测的可以匹配成功的百分比。4.使用the visual odometry(VO)评估每种算法的表现。5.比较了每种算法所用的时间。

6.      BRISK(Binary Robust invariant scalable keypoints) :2011年,Leutenegger,S等提出

原理:http://d.wanfangdata.com.cn/periodical_jcdzgc201305015.aspx

提出:http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=6126542

实现:

优缺点:是对FAST算法的改进

二.关于特征点分析对比的相关论文

1.      有关特征点:Shi-Tmoasi,SIFT,SURF

文章:http://miua2012.swansea.ac.uk/uploads/Site/Programme/PSB05.pdf

方法:基于opencv,通过RGB分解,比较特征点的个数和鲁棒性

2.      有关特征点:FAST

文章:http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=5596017

方法:主要是看追踪的,用到了forward-backward(FB)漂移误差,NCC,SSD

3.      有关特征点:Shi-Tmoasi,SIFT,SURF,Fast

提出: Evaluationof Endoscopic Image Enhancement for Feature Tracking:A New Validation Framework

三.相关函数的使用

1.      特征点检测架构:http://www.opencv.org.cn/opencvdoc/2.3.2/html/modules/features2d/doc/features2d.html

2.      各种特征点检测结果对比

http://blog.csdn.net/vast_sea/article/details/8196420


原文地址:http://blog.csdn.net/u010141025/article/details/16920567

这篇关于【opencv】特征点检测方法--GFTT,SIFT,FAST,SURF的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/903910

相关文章

JAVA中安装多个JDK的方法

《JAVA中安装多个JDK的方法》文章介绍了在Windows系统上安装多个JDK版本的方法,包括下载、安装路径修改、环境变量配置(JAVA_HOME和Path),并说明如何通过调整JAVA_HOME在... 首先去oracle官网下载好两个版本不同的jdk(需要登录Oracle账号,没有可以免费注册)下载完

Java中读取YAML文件配置信息常见问题及解决方法

《Java中读取YAML文件配置信息常见问题及解决方法》:本文主要介绍Java中读取YAML文件配置信息常见问题及解决方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要... 目录1 使用Spring Boot的@ConfigurationProperties2. 使用@Valu

Linux系统性能检测命令详解

《Linux系统性能检测命令详解》本文介绍了Linux系统常用的监控命令(如top、vmstat、iostat、htop等)及其参数功能,涵盖进程状态、内存使用、磁盘I/O、系统负载等多维度资源监控,... 目录toppsuptimevmstatIOStatiotopslabtophtopdstatnmon

Java 方法重载Overload常见误区及注意事项

《Java方法重载Overload常见误区及注意事项》Java方法重载允许同一类中同名方法通过参数类型、数量、顺序差异实现功能扩展,提升代码灵活性,核心条件为参数列表不同,不涉及返回类型、访问修饰符... 目录Java 方法重载(Overload)详解一、方法重载的核心条件二、构成方法重载的具体情况三、不构

SQL中如何添加数据(常见方法及示例)

《SQL中如何添加数据(常见方法及示例)》SQL全称为StructuredQueryLanguage,是一种用于管理关系数据库的标准编程语言,下面给大家介绍SQL中如何添加数据,感兴趣的朋友一起看看吧... 目录在mysql中,有多种方法可以添加数据。以下是一些常见的方法及其示例。1. 使用INSERT I

Python中反转字符串的常见方法小结

《Python中反转字符串的常见方法小结》在Python中,字符串对象没有内置的反转方法,然而,在实际开发中,我们经常会遇到需要反转字符串的场景,比如处理回文字符串、文本加密等,因此,掌握如何在Pyt... 目录python中反转字符串的方法技术背景实现步骤1. 使用切片2. 使用 reversed() 函

Python中将嵌套列表扁平化的多种实现方法

《Python中将嵌套列表扁平化的多种实现方法》在Python编程中,我们常常会遇到需要将嵌套列表(即列表中包含列表)转换为一个一维的扁平列表的需求,本文将给大家介绍了多种实现这一目标的方法,需要的朋... 目录python中将嵌套列表扁平化的方法技术背景实现步骤1. 使用嵌套列表推导式2. 使用itert

Python使用pip工具实现包自动更新的多种方法

《Python使用pip工具实现包自动更新的多种方法》本文深入探讨了使用Python的pip工具实现包自动更新的各种方法和技术,我们将从基础概念开始,逐步介绍手动更新方法、自动化脚本编写、结合CI/C... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

在Linux中改变echo输出颜色的实现方法

《在Linux中改变echo输出颜色的实现方法》在Linux系统的命令行环境下,为了使输出信息更加清晰、突出,便于用户快速识别和区分不同类型的信息,常常需要改变echo命令的输出颜色,所以本文给大家介... 目python录在linux中改变echo输出颜色的方法技术背景实现步骤使用ANSI转义码使用tpu

Conda与Python venv虚拟环境的区别与使用方法详解

《Conda与Pythonvenv虚拟环境的区别与使用方法详解》随着Python社区的成长,虚拟环境的概念和技术也在不断发展,:本文主要介绍Conda与Pythonvenv虚拟环境的区别与使用... 目录前言一、Conda 与 python venv 的核心区别1. Conda 的特点2. Python v