SIFT / SURF / ORB用于简单图案的检测和定位

 

我的项目集中在用固定相机定位几个小物体。 我绘制了一些清晰，简单的图形图案图像（如此），将它们打印出来并尝试在图像中检测它们。 我直截了当的方法：

  • 用于初级分割的颜色掩蔽和斑点检测。 获取模式的可能位置[这工作正常，我猜]
  • 对这些小图像块运行SIFT / SURF / ORB检测，将它们与存储在文件中的图案进行比较。
  • 收集找到的匹配中的关键点坐标，然后计算同源性并获取图像中图案的精确位置/旋转

    • 我使用OpenCV编写Python。 我的ORB + BFMatcher的initcode是： 

    pt_detector = cv2.ORB()
pt_matcher = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)

    对于SIFT + FLANN，我写道： 

    pt_detector = cv2.SURF(400)
FLANN_INDEX_KDTREE = 0
index_params = dict(algorithm=FLANN_INDEX_KDTREE, trees=5)
search_params = dict(checks=50)
pt_matcher = cv2.FlannBasedMatcher(index_params, search_params)

    然后我简单地说： 

    kp_r, des_r = pt_detector.detectAndCompute(pattern, None)
kp_o, des_o = pt_detector.detectAndCompute(obj_res, None)
matches = pt_matcher.match(des_r, des_o)

    问题是：探测器在整个样本和模板中找到匹配，尽管它们通常能够检测到该模式，但方向却是混乱的。

    以下是模板图像（左侧）与相机框架中实际找到的图案（右侧）之间的匹配示例。 当然，摄像机图像被遮蔽并设定阈值。 这些来自SIFT + FLANN的10个最佳匹配显然很糟糕。 我已经使用FLANN匹配器和ORB + BFMatcher默认设置尝试了SURF，SIFT，但没有结果。 我想这个问题是在描述符和匹配器的参数中。

    任何人都可以告诉我，我应该如何设置描述符和匹配器来实现简单模式的可靠匹配？ 或者也许有另一种方法来完成这项任务？

    链接地址: http://www.djcxy.com/p/61077.html

    上一篇: SIFT/SURF/ORB for detection and orientation of simple pattern

    下一篇: Detect black ink blob on paper