所以,我正在关注来自opencv的关于冲浪和单应性的this 代码示例,我对这种实验所需的火车样本很感兴趣。我在底部box.png和box_in_scene.png下载了两个图像以验证此代码的正确性,我没事。现在,我用我自己的图像测试这个代码,左边是一个闪存驱动器的图像,右边是一个带有USB驱动器的剪刀图像。我没有在测试图像(剪刀和USB驱动器)上得到任何矩形框。 。 但是我知道当我采用不同的火车样品时代码正在工作,例如左边有一个纸箱,另一个是带有床单的混合纸箱。 。 现在我的问题是,我应该依靠什么样的训练图像来给出好的反应,或者它与我选择作为我的测试样本的风景有关。我也选择了一个视频样本作为我的测试用例,我是否能够获得更多响应结果。 谢谢 。
答案 0 :(得分:2)
如果你认为你的第二次测试是好的,那你就错了。正常,您可以在他们的网站中看到 查看两张图片上的关键点,它们匹配错误。我认为匹配是这项工作中最难的。现在我试着用数学方法来推动它,但仍然没有好结果:(
您可以使用Google搜索匹配样本的最常见情况,但要获得好结果需要更好的结果。
关于要求:现场只能有一个对象。如果您只有样品而没有背景,那就很好。虽然算法规模不变,但如果样本非常小且场景非常大,那么至少会有关键点数量的问题。
答案 1 :(得分:1)
样品没有问题;然而,样本要匹配的场景需要是动态的,即直播。绘制单应性并不那么简单。为了绘制那个绿色矩形,需要足够的内点,这在usb和剪刀示例中显然是缺失的。