Java 从现有模型创建OpenCV Haar分类器

我想制作一个可以识别螺钉的应用程序。 每个螺钉尺寸和形状都有一个标准，并且有一些软件提供每个螺钉的360 3d模型（例如Autocad）

我想知道是否有任何方法可以利用现有模型（某种扩展）并从中创建

Haar分类器

如果不清楚的话，我不想为每一个模型拍成千上万张照片。我想以某种方式重用现有的模型

感谢
Haar分类器对2D图像进行操作，用于训练和识别。它需要一组规范化的正二维图像（带螺旋）和一组规范化的负二维图像（不带螺旋）来训练分类器。因此，如果这是您的问题，则无法使用三维模型直接对其进行训练。当然，您可以使用3D模型渲染2D图像，但我理解您在问题末尾的评论，这不是您想要做的

此外，根据您的实际任务，Haar分类器不太可能是您选择的方法。一些重要的问题是：你能在图像中分割螺钉吗？图像中可能有几个螺钉吗？这是一项分类任务，还是您知道图像中存在哪种螺钉类型？你需要本地化还是只需要识别？螺钉的可能姿势是否受到限制（或者由于分割，可以事先进行标准化）

注意，Haar分类器用于“学习”具有相似姿势的类的不同实例的外观变化（例如不同的人的或多或少的直立面，即面部检测），并且不用于处理相同对象的完全不同姿势，甚至不在2D中，甚至不在3D中。因此，它只能适用于非常有限的场景

更新：
以下几点提示可以引导您走向正确的方向：

如果可以分割螺钉并想尝试一种简单的方法，请尝试将其视为二维问题（假设螺钉不直立），并根据图像力矩执行标准化

如果您可以分割螺钉，并希望将其视为2D/3D问题（投影到2D图像的3D模型），则可以查看my（现在已过时）中基于3D模型生成的视图的高效外观匹配

如果无法分割螺钉，并且知道图像中存在哪种类型的螺钉，则可以从工业机器视觉库中查看所谓的几何模式匹配，例如Halcon的基于形状的匹配。它还提供类似CAD数据的培训

如果无法分割螺钉，并且不知道图像中存在哪种类型的螺钉，则可以为分类任务训练一个深度卷积神经网络，然后使用3。用于验证和本地化

简而言之：我认为这是不可能的，除非您能够根据各种照明条件真实地渲染3D模型

Haar和LBP分类器确实使用了某种纹理信息，因此仅仅使用形状信息是不够的。（因此，与哈尔相比，霍格可能更适合这种方法，也可能不适合）

对于haar分类器训练，您可以使用不同的材质和照明条件以及各种姿势渲染3D模型。但是，您需要背景图像作为负片样本和渲染螺钉的背景（但您也可以随后使用opencv_createsamples工具将螺钉合并到背景中）

因此，根据您渲染尖叫声的真实性或适当性，您可以将其用于培训。请记住，实际上，两个相同类型的螺钉看起来不完全相同，长度可能会有所不同（取决于生产质量），可能存在变形或“噪音”，比如毛刺可能与完美模型不同，也许您在渲染时必须考虑这一点。
此外，请记住，如果haar和lbp级联分类器仅从一个姿势（如正面或侧面，而不是同时从两个姿势）覆盖一个类别，则它们的工作效果最好，这减少了单体3D模型的使用

有时，3D模型可以与倒角匹配结合使用，以将其与2D模型进行比较。
您是否偶然遇到过这样的“数据库”？还是你自己做的？