2017-09-30 86 views
0

我有一個物體沿着輸送線移動,並試圖使用計算機視覺來跟蹤它的位置。一些將要通過的對象沒有「很好的功能來追蹤」。然而,角落的模板匹配似乎工作。沒有好的特徵點的對象跟蹤

如果cv :: goodFeaturesToTrack沒有給我好點,我運氣不好嗎?角落看起來像是顯着的特徵,我希望我能跟蹤它們。模板匹配(可能考慮輪換)是識別角落的最佳選擇嗎?

+0

還有很多其他功能探測器可以使用,例如: SIFT,SURF,FAST,ORB。或者你可以使用密集的方法(即'findTransformECC')。模板匹配雖然會起作用;你需要用* n *旋轉創建模板並比較所有模板以找到最近的旋轉,但是如果你需要旋轉*和*縮放,你將會有很多模板,並且你沒有給出任何示例的目標,很難說這是否是一個好方法。 –

回答

0

請記住,像goodFeaturesToTrack()這樣的例程基於圖像漸變,並且漸變隱含地綁定到單個比例。通常,在一個尺度上梯度差的圖像區域在不同尺度上具有較強的梯度。 (事實上​​,Alexander Reynolds提到的SIFT和SURF特徵探測器使用了不同尺度的濾波器。)

因此,考慮您是否可以計算某種多分辨率金字塔並在不同分辨率下應用goodFeaturesToTrack。還要考慮是否可以使用像calcOpticalFlowSF中那樣的多分辨率密集光流方案。