我想在OpenCV中使用linemod。
我成功添加了一些模板,但是当我尝试进行一些匹配时,出现以下错误:
错误:cv :: linemod :: linearize,file ... \ opencv \ sources \ modules \ rgbd \ src \ linemod.cpp,1108行中的声明失败(response_map.rows%T == 0) >
所有图片的建议尺寸均为800x600像素。
我的代码:
cv::Ptr<cv::linemod::Detector> detector = cv::linemod::getDefaultLINE();
cv::Mat color, mask;
std::vector<cv::Mat> images;
for (int i = 0; i < 419; i++)
{
images.push_back(cv::imread("Resources/Train/" + std::to_string(i+1) + ".png", CV_LOAD_IMAGE_GRAYSCALE));
}
for (int i = 0; i < images.size(); i++)
{
color = images[i];
// Create image mask
double thresh = 0;
double maxValue = 255;
// Binary Threshold
cv::threshold(color, mask, thresh, maxValue, cv::THRESH_BINARY);
std::vector<cv::Mat> sources;
sources.push_back(color);
// Extract template
std::string class_id = cv::format("class%d", num_classes);
cv::Rect bb;
int template_id = detector->addTemplate(sources, class_id, mask, &bb);
if (template_id != -1)
{
printf("*** Added template (id %d) for new object class %d***\n",
template_id, num_classes);
//printf("Extracted at (%d, %d) size %dx%d\n", bb.x, bb.y, bb.width, bb.height);
}
++num_classes;
}
std::vector<cv::Mat> sources;
sources.push_back(cv::imread("Resources/Train/1.png", CV_LOAD_IMAGE_GRAYSCALE));
std::vector<cv::linemod::Match> matches;
std::vector<cv::String> class_ids;
std::vector<cv::Mat> quantized_images;
detector->match(sources, 80, matches, class_ids, quantized_images); // ERROR
for (int i = 0; i < matches.size(); ++i)
{
cv::linemod::Match m = matches[i];
printf("Similarity: %5.1f%%; x: %3d; y: %3d; class: %s; template: %3d\n", m.similarity, m.x, m.y, m.class_id.c_str(), m.template_id);
}
将错误信息抛出detector->match(sources, 80, matches, class_ids, quantized_images);
答案 0 :(得分:0)
好吧,我设法自己解决了。 模板必须是尺寸为800x600像素的灰度图像,而我要匹配的图像则必须是尺寸为800x800像素的3通道彩色图像。真令人困惑... 但是最后,该算法的确非常糟糕。所以我并没有最终使用它。
答案 1 :(得分:0)
我知道现在已经很晚了,你已经解决了(有点)。但是对于其他会偶然发现同样问题的人......
cv::linemod::getDefaultLINE()
分别包含 2 个金字塔级别,分别为 5 和 8。但对于 8 级金字塔,执行 pyrDown
(本质上是按比例缩小 2 倍)。
也就是说图像的大小应该是 5 和 16 的倍数(对于 pyrmaid 级别是 8 乘以缩放因子 2),即 80 的倍数。这就是错误的来源(600 不是 80 的倍数)。