通信搜索标记识别

Question

我的总体目标是做基于标记的姿势估计。 为此，我需要图像坐标和对象坐标之间的对应关系。

因此，在检测到圆形标记后，我需要确定左上标记是A，右边第一个是B，然后是C然后是D.就像下面的示例图像一样。

现在我的第一个想法是以距离为基础。 由于我知道现实世界中我的标记的宽度，我可以很容易地计算出欧几里德距离乘以一个像素的真实世界大小。

Example:
realMarkerWidth = 2,7
realWorldSizeOfOnePixel = MarkerWidth / RealMarkerWidth
distance = euclidiantDistance(P1,P2) * realWorldSizeOfOnePixel

我目前的做法：

通过这些信息，对应搜索算法就是这样的。

符号：

初始测量距离存储在集合P =（dist（m1，m2），...，dist（mi，mi + 1）}

检测到的标记将位于集合D = {d1，d2 ...，dn}

中

1. 最初测量所有标记的标记之间的距离。 P = {dist（A，B），dist（A，C），dist（A，D），dist（B，C），...，dist（D，C） 注意：这只在姿势估计程序的运行时间之前完成一次。

2. 如果| D | ＆gt; = 3然后

   dref = d1;

   dj = d2;

   while（j＆lt; | D |）

   测量dist（dRef，dj）并将其映射到P中的所有条目。    假设当前dist是一个，与P中的一个entrie具有最高的相似性。将假设标记的出现增加一个

3.dref =具有higesht出现值的标记

4.对D

中的所有检测执行此操作

示例：

dref = A，其他检测到的标记是B和C. 然后程序将计数2次A一次B和一次C. A的出现高于其他所有，因此dref必须是A，

问题：

此方法仅适用于2D空间，只要标记都在同一平面内，距离就会得到纠正。但是如果某些标记不在同一平面上，则距离是错误的，因此距离不能再进行比较。请参阅下图以获取示例。



问题

我知道有些东西像aruco标记，但我的问题的目的是，用白色圆形标记进行识别。

有谁知道一种方法，我如何改进我的系统？ 就像我在开始时说的那样，我的目标是用白色圆形标记做姿势估计。我对任何使我更接近这一目标的解决方案持开放态度。