Computer vision 生成计算机视觉算法最容易检测到的图像

从事与计算机视觉相关的小型项目，主要是尝试使用OpenCV。这让我想到一个有趣的问题：

使用特征检测在图像中查找已知对象并不总是容易的-对象很难找到，尤其是当目标对象的特征不是很好时

但如果我能提前选择我要找的是什么，那么理论上我可以为自己生成一个最佳的图像进行检测。任何使特征检测变得困难的品质都将不存在，所有使其变得容易的品质都将存在

我怀疑这种想法也适用于二维码之类的东西，但由于他们希望二维码简单、小巧的局限性

所以我要问你们的问题是：你们将如何生成一个最佳的图像以供以后的相机识别？如果您已经知道会出现某些问题，如倾斜或部分模糊，该怎么办

---

非常感谢

我想您需要AR标记之类的东西。 看看图书馆，他们有标记发生器和检测器。 和papeer关于标记生成：

若您计划使用特征检测，那个么标记应该特定于所使用的特征检测器。探测器设计的常见做法是对“拐角”或具有高x、y梯度的区域有良好的响应。您还应该注意目标的缩放

最简单的检测可以用BLOB执行。它可以比特征点更快、更健壮。例如，可以检测圆形斑点或矩形斑点

---

根据您希望看到标记的距离、通常使用的查看条件/背景以及相机分辨率/噪声，您应该选择不同的图像/目标。从较长距离的中等角度看，彩色目标非常独特，请参见：

近距离使用各种条形码/二维码可能是一个不错的选择。除此之外，与3D对象相比，任何平面纹理对象都可以很容易地使用单应性进行跟踪。

即使是3d物体的不同视图也可以通过诸如捕食者：

然后是硬件、结构光、同步标记等整个领域。例如，Kinect使用投影在表面上的预定义图案进行立体显示。这意味着它每秒识别和匹配数百万个微模式，并根据匹配的对应创建深度图。请注意，一个摄像头可以看到该图案，而另一个设备（投影仪）可以将其生成为虚拟摄像头，请参见

演示标准棋盘格图案良好跟踪的最快方法是使用open cv的pNp功能：

这实际上可以通过调用两个函数来实现

found = findChessboardCorners(src, chessboardSize, corners, camFlags);
drawChessCornersDots(dst, chessboardSize, corners, found);

---

总而言之，你的问题非常广泛，有多种答案和解决方案。制定你的观察条件、相机规格、背景、距离、运动量和透视图，你希望室内和室外都能做到，等等。在计算机视觉中，没有一般的情况

听起来你好像在问我的事情。@Sneftel:差不多。人们能否生成一个真正最佳的基准标记，以处理通常与使用相机在现实世界中查找事物相关的许多问题？是的。一个依赖于角点检测和相对方向的鲁棒性，基本上产生一个基准点，其信息独立于旋转和倾斜。这是一个巨大的主题，将三角学与信息论相结合。顺便说一句，你认为QR码是对的。它们太详细了，在大多数情况下都无法制作好基准点，但大多数基准点看起来像低分辨率QR码，因为它们有着相同的需求。我认为这正是我需要的——那篇论文特别精彩。它只处理由黑盒和白盒组成的教育标记，但它确实得到了我脑海中的想法：不同标记之间的最大熵更容易识别。