ハリスの角に配置された視覚的特徴のオクターブとサイズを推定する方法

私は現在、OpenCVによって提供されるいくつかの機能検出器のパフォーマンスを比較し、視覚的な機能マッチングの基礎として比較しています。

SIFT記述子を使用しています。MSER機能とDoG （SIFT）機能を検出するときに、（不正な一致を拒否した後）満足できる一致を達成しました。

現在、私はGFTT（追跡のための優れた機能-Harrisコーナー）でコードをテストして比較を行っています。また、最終的なアプリケーションでは、一連のGFTT機能が視覚的機能追跡プロセスから利用できるようになるためです。

私が使用しcv::FeatureDetector::detect(...)ているのはstd::vector<cv::KeyPoint>、検出された機能/キーポイント/関心領域で満たされたものです。構造にcv::KeyPointは、フィーチャの場所に関する基本情報、sizeおよびoctaveキーポイントが検出された情報が含まれています。

GFTTを使用した最初の結果は、さまざまなタイプの機能の典型的なパラメーターsizeとoctaveパラメーターを比較するまではひどいものでした。

• MSERはサイズ（10〜40px）を設定し、オクターブを0のままにします
• DoG（SIFT）はサイズとオクターブの両方を設定します（サイズとオクターブの比率は20から40の間）
• パラメータは常にGFTTです：サイズ= 3、オクターブ= 0

これは、GFTT機能の主な目的が照合ではなく追跡のみに使用されていたためだと思います。このような小さな特徴から抽出された記述子は、小さな1ピクセルのシフトを含む多くのものに対して差別的で不変ではなくなるため、これはマッチング結果の質の低さを説明しています。

私は手動で設定する場合sizeのGFTTをする10から12まで、私が使用しているときに非常に似て良い結果、取得MSERかのDoG（SIFT）を。

私の質問は、「go-with-with-10-see-if-it-works」よりもsize（および/またはoctave）をどれだけ増やすかを判断するより良い方法はありますか？可能な場合は増加をハードコーディングせずにプログラムで決定したいのですが、新しい/ 増加 / 推定アルゴリズムの選択を裏付けるいくつかの確かな引数がある限り、ハードコーディングで問題ありません。sizesizesizesize

正確な質問に対して実際に良い反応があるかどうかはわかりません。SIFTとSURFのスケールスペースは、コーナーのようなキーポイントの周りの「適切な」関連する近傍サイズを自動的に推定するために実際に開発されました（これは優れた機能です）追跡する）。

今、より肯定的な答えは：

• キーポイントと適切な一致のデータベース（たとえば、正方形のキャリブレーションパターンを使用）を構築し、このデータベースで自動化されたパフォーマンス評価を作成して、正しいサイズを見つけます。このタスクは実際には自動化できます（ポイントマッチング評価に関するMikolajczykとSchmidの研究を参照してください）。

• 良い機能を画像ピラミッドに埋め込んで、何らかのスケールを関連付けます。この手順とよく似た処理を行う、マルチスケールFASTおよびHarrisの関心点に関する参照を探すことができます。

最大ブロックサイズをヒューリスティックに見つけるには、ボックスブラー（blockSizeオペレーターの動作とほぼ同じ）を使用して画像の推定値を計算し、コーナーが消えるタイミングを確認します。ただし、ぼかしを増やすと、コーナーが実際の位置から離れることに注意してください。

あなたが本当に簡単で汚い修正を本当に探しているなら、5x5と11x11の間のサイズを試してください（ステレオブロックマッチングで使用される典型的なサイズ）。知的に満足する基準を探している場合は、ノイズレベルの下で2つの特徴点が適切に一致する可能性を最大化するようにしてください。

検出器に最適なパラメーターを決定するのに役立つように、OpenCVにはその目的のためのAjusterAdapterがあります。私はそれを自分で使用したことはありませんが、プログラムでパラメーターを決定するためのおそらく標準的な方法です。また、キーポイントにはいくつかのプロパティがありますが、すべてがすべてのアルゴリズムに意味があるわけではないことに注意してください。Keypoint構造はさまざまなアルゴリズムに使用されるため、これらのフィールドはすべてありますが、使用されないこともあります。そのため、オクターブ= 0になります。IMO。