Questions tagged «computer-vision»

计算机视觉包括处理,分析,图像和高维数据以形成对场景或图像的高级理解和识别的方法。

1
准确测量一组基准点之间的相对距离(增强现实应用程序)
假设我有一组5个标记。我正在尝试使用增强现实框架(如ARToolkit)找到每个标记之间的相对距离。在我的摄影机中,前20帧仅向我显示前2个标记,因此我可以算出这2个标记之间的转换。后20帧仅显示第二和第三标记,依此类推。最后20帧向我显示第五和第一标记。我想建立所有5个标记的标记位置的3D地图。 我的问题是,由于视频馈送质量低而导致距离不准确,鉴于我收集到的所有信息,如何将不准确度最小化? 我幼稚的方法是使用第一个标记作为基点,从前20帧开始获取转换的平均值,然后将第二个标记放置在第3个和第4个标记上,依此类推。对于第5个标记,请将其放置在第5个和第1个以及第4个和第5个之间的转换平均值的中间,将其放置在第4个和第1个之间。我觉得这种方法虽然偏向于第一个标记放置,但并未考虑到相机每帧看到两个以上的标记。 最终,我希望我的系统能够计算出x个标记的图。在任何给定的帧中,最多可能出现x个标记,并且由于图像质量而导致非系统性错误。 关于正确解决此问题的任何帮助将不胜感激。


2
如何实现基于梯度的霍夫变换
我正在尝试使用霍夫变换进行边缘检测,并希望使用渐变图像作为基础。 我迄今所做,给出的图像I尺寸的[M,N]和它的部分衍生物gx,gy是计算中的每个像素作为梯度角thetas = atan(gy(x,y) ./ gx。同样,我将梯度幅度计算为magnitudes = sqrt(gx.^2+gy.^2)。 要构建霍夫变换,我使用以下MATLAB代码: max_rho = ceil(sqrt(M^2 + N^2)); hough = zeros(2*max_rho, 101); for x=1:M for y=1:N theta = thetas(x,y); rho = x*cos(theta) + y*sin(theta); rho_idx = round(rho)+max_rho; theta_idx = floor((theta + pi/2) / pi * 100) + 1; hough(rho_idx, theta_idx) = hough(rho_idx, theta_idx) + …
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.