在存在相机抖动的情况下进行基准标记检测
当用户猛烈地移动相机（手机）时，我试图使我的基于OpenCV的基准标记检测更加健壮。 标记是ArTag风格的，在黑色边框内嵌入汉明码。 通过阈值图像检测边界，然后根据找到的轮廓寻找四边形，然后检查四边形的内部。
一般来说，如果黑色边框被识别，则标记的解码是相当稳健的。 我尝试了最明显的事情，即对图像进行两次下采样，并在这些级别上执行四次检测。 这有助于相机在极端近景标记处发生散焦，并且还可以使用非常小的图像模糊程度，但不会对相机运动模糊的一般情况有很大帮助
是否有可用的研究方法使检测更健壮？ 我想知道的想法包括：
如果它能帮助我解决失败的想法，那么也会感激不尽。
然后一些其他方法：
这里有一些非常聪明的东西：http：//www.robots.ox.ac.uk/~gk/publications/KleinDrummond2004IVC.pdf他们在做边缘检测（可以用来找到你的标记边界，甚至尽管你现在正在寻找四边形），对来自传感器的相机运动进行建模，并使用这些值来估计帧速率下的模糊方向上的边缘应该如何出现，然后搜索该边缘。 十分优雅。
同样在这里http://www.eecis.udel.edu/~jye/lab_research/11/BLUT_iccv_11.pdf，他们只是预先模糊跟踪目标，并尝试匹配给定模糊方向的模糊目标。 他们使用高斯过滤器来模拟模糊，这是对称的，因此您需要的模糊目标数量是您最初预期的数量的一半。
如果您尝试实施其中的任何一项，我会非常感兴趣地听取您的意见！
从一些相关工作（尝试使用传感器/陀螺仪预测视频中从一帧到另一帧的可能位置），我想说如果不是不可能的话，3可能是困难的。 我想充其量你可以得到大概的方向和运动角度，这可能会帮助你使用dabhaid引用的方法模拟模糊，但我认为你不可能获得足够的精度来获得更多的帮助。
链接地址: http://www.djcxy.com/p/10483.html上一篇: Fiducial marker detection in the presence of camera shake