我试图用ORB检测关键点一切正常,直到我切换到Opencv 2.4.9。
Firts,似乎键的数量减少了,对于某些图像,没有检测到关键点:
这是我用两个版本编译的代码:(2.3.1和2.4.9)
#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/features2d/features2d.hpp>
using namespace cv;
int main(int argc, char **argv){
Mat img = imread(argv[1]);
std::vector<KeyPoint> kp;
OrbFeatureDetector detector;
detector.detect(img, kp);
std::cout << "Found " << kp.size() << " Keypoints " << std::endl;
Mat out;
drawKeypoints(img, kp, out, Scalar::all(255));
imshow("Kpts", out);
waitKey(0);
return 0;
}
结果: 2.3.1: 找到152个关键点
2.4.9: 找到0个关键点
我还使用不同的ORB构造函数进行了测试,但是得到了相同的结果,没有KPts。 与2.3.1默认构造函数中相同的构造函数值: 2.4.9 custom constr:
#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/features2d/features2d.hpp>
using namespace cv;
int main(int argc, char **argv){
Mat img = imread(argv[1]);
std::vector<KeyPoint> kp;
// default in 2.4.9 is : ORB(700, 1.2f, 3, 31, 0);
OrbFeatureDetector detector(500, 1.2f, 8, 31, 0); // default values of 2.3.1
detector.detect(img, kp);
std::cout << "Found " << kp.size() << " Keypoints " << std::endl;
Mat out;
drawKeypoints(img, kp, out, Scalar::all(255));
imshow("Kpts", out);
waitKey(0);
return 0;
}
你知道发生了什么吗?我该如何解决?
谢谢。
答案 0 :(得分:9)
OpenCV中ORB的实现在版本2.3.1和2.4.9之间发生了很大变化。很难确定一个可以解释你观察到的行为的变化。
但是,通过更改边缘阈值,可以再次增加检测到的要素数。
下面是你的代码的改编版本,以显示我的意思(小心,我只能用OpenCV 3.0.0测试它,但我想你明白了。)
#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/features2d.hpp>
using namespace cv;
int main(int argc, char **argv){
Mat img = imread(argv[1]);
std::vector<KeyPoint> kp;
// Default parameters of ORB
int nfeatures=500;
float scaleFactor=1.2f;
int nlevels=8;
int edgeThreshold=15; // Changed default (31);
int firstLevel=0;
int WTA_K=2;
int scoreType=ORB::HARRIS_SCORE;
int patchSize=31;
int fastThreshold=20;
Ptr<ORB> detector = ORB::create(
nfeatures,
scaleFactor,
nlevels,
edgeThreshold,
firstLevel,
WTA_K,
scoreType,
patchSize,
fastThreshold );
detector->detect(img, kp);
std::cout << "Found " << kp.size() << " Keypoints " << std::endl;
Mat out;
drawKeypoints(img, kp, out, Scalar::all(255));
imshow("Kpts", out);
waitKey(0);
return 0;
}
答案 1 :(得分:2)
至少在OpenCV 3.1中,edgeThreshold
参数实际上是未检测到要素的边框的大小。&#34;检测其他功能的一种方法是减少fastThreshold
参数。它具有误导性的名称,因为即使使用ORB::HARRIS_SCORE
,这个阈值也会影响检测到的角点数,即Harris关键点,而不仅仅是基于参数名称的FAST关键点。它也有点误导,因为edgeThreshold
本身听起来像哈里斯角点检测的阈值,而不是用于检测点的图像。
见:http://docs.opencv.org/trunk/db/d95/classcv_1_1ORB.html#gsc.tab=0。
另外,增加金字塔等级nlevels
的数量可以为您提供更多关键点,但如果您的图像大小相同且唯一的区别是您的OpenCV版本,则不太可能在这里帮忙。
我遇到了同样的问题,这里的代码有效:
std::vector<KeyPoint> kpts1;
Mat desc1;
Ptr<ORB> orb = ORB::create(100, 2, 8, 31, 0, 2, ORB::HARRIS_SCORE, 31, 20);
orb->detectAndCompute(input_image, Mat(), kpts1, desc1);
最后一个论点(上面20)是fastThreshold
减少以获得新的关键点。