Opencv 跨立体视图查找相应对象的快速方法
感谢您花时间阅读本文 我们有固定的立体摄像机对，可以观察到一个封闭的区域。我们知道体积的尺寸，并有内部和外部校准值 对于相机对。目标是能够准确识别多个重复对象的三维位置。 这自然导致了文学中所谓的对应问题。我们需要一种快速的技术来匹配图1中的球a和图2中的球a，以此类推。 目前，我们使用极线几何入口（基本矩阵）的属性以粗略的方式匹配来自不同视图的球，并且在对象稀疏时工作正常， 但是如果物体密集分散，就会产生很多误报。由于图1中的球A可以位于穿过图2的极线上的任何位置，因此会导致不匹配 当多个对象位于该直线上且看起来相似时 有没有办法将其重新建模为三维直线相交问题或其他问题？由于图像1中的球A只能接受3d值的有界限制，是否有方法表示 它在3d中是一条直线吗？然后做一个相交测试，在图2中找到最接近的匹配球 或者有没有办法生成一个3d值的稀疏列表，该列表对应于图像1和2中的每个2d像素网格，并进行相交测试 要在两个摄影机之间查找匹配对象，需要使用这些值中的哪一个 因为对象可以是相同的，OpenCV特征匹配算法（如FLANN、ORB）无法工作 欢迎以公式或代码形式提出任何想法 谢谢！ 萨克Opencv 跨立体视图查找相应对象的快速方法,opencv,computer-vision,geometry,computational-geometry,analytical,Opencv,Computer Vision,Geometry,Computational Geometry,Analytical,感谢您花时间阅读本文 我们有固定的立体摄像机对，可以观察到一个封闭的区域。我们知道体积的尺寸，并有内部和外部校准值 对于相机对。目标是能够准确识别多个重复对象的三维位置。 这自然导致了文学中所谓的对应问题。我们需要一种快速的技术来匹配图1中的球a和图2中的球a，以此类推。 目前，我们使用极线几何入口（基本矩阵）的属性以粗略的方式匹配来自不同视图的球，并且在对象稀疏时工作正常， 但是如果物体密集分散，就会产生很多误报。由于图1中的球A可以位于穿过图2的极线上的任何位置，因此会导致不匹配 当多个对象
对于不同类型的对象，使用绝对差之和很容易找到匹配项。对于类似的对象，这些想法可能会导致发表一篇好论文。无论如何，这里有一个快速算法：
试试这个，它应该适用于两个球。对于不同类型的物体，使用绝对差之和很容易找到匹配项。对于类似的对象，这些想法可能会导致发表一篇好论文。无论如何，这里有一个快速算法：
试试这个，它应该对两个球有效。你给自己设定了一个相当困难的任务。因为视图中的一个点可以遮挡另一个点，所以通常甚至不可能计算点的数量。如果每个视图有两个点，但这些点落在另一个视图的同一极线上，则可以计算2到4个点之间的任意位置 假设要最小化这些点，这看起来就像一个稠密的二分图，每条边表示每个视图中一个点的关联，每条边的权重取自关联每个视图中相应点（顶点）的注册错误。当然，MVC是NP难的，如果你把这个问题当作一般的MVC问题来处理，那么你永远不会比O（n^2）做得更好，因为这就是要检查的边的数量
您的特定MVC问题可能具有可利用的结构，以执行更有效的近似。特别是，我可能建议在一个视图中计算对极线，按与对极线的角度对其排序，并类似地从对极线对该视图中的点排序。然后，您可以大致并行地迭代两个排序列表，贪婪地将每个点与附近的极线相关联。然后，您可以在另一个视图中执行相同的操作，但只查看该视图中在上一个过程中尚未关联的点。我认为，使用动态规划（特别是如果严格限制注册错误的话），可能会有一种更严格且可证明最优的方法，这种方法不需要第二次通过，但我不能马上画出来。你给自己设置了一个相当困难的任务。因为视图中的一个点可以遮挡另一个点，所以通常甚至不可能计算点的数量。如果每个视图有两个点，但这些点落在另一个视图的同一极线上，则可以计算2到4个点之间的任意位置 假设要最小化这些点，这看起来就像一个稠密的二分图，每条边表示每个视图中一个点的关联，每条边的权重取自关联每个视图中相应点（顶点）的注册错误。当然，MVC是NP难的，如果你把这个问题当作一般的MVC问题来处理，那么你永远不会比O（n^2）做得更好，因为这就是要检查的边的数量 您的特定MVC问题可能具有可利用的结构，以执行更有效的近似。特别是，我可能建议在一个视图中计算对极线，按与对极线的角度对其排序，并类似地从对极线对该视图中的点排序。然后，您可以大致并行地迭代两个排序列表，贪婪地将每个点与附近的极线相关联。然后，您可以在另一个视图中执行相同的操作，但只查看该视图中在上一个过程中尚未关联的点。我认为，使用动态规划（特别是在严格限制注册错误的情况下）可能会有一种更严格且可证明最优的方法，这种方法不需要第二次通过，但我不能马上画出来。谢谢你的建议