linemod算法《Gradient Response Maps for Real-TimeDetection of Textureless Objects》

本文介绍了一种基于梯度响应图的纹理少对象实时检测算法。该算法通过计算模板的梯度信息,量化梯度方向,并对图像金字塔进行下采样处理。通过制作查找表加速匹配过程,并使用线性存储进一步提高效率。

制作模板:

代码地址
GITHUB可以看看讨论区
MIPP对VS2013有BUG,我看的是old code

正文

通过旋转,缩放制作生成变换后的模板,然后对每一个模板进行梯度计算,梯度方向的量化。

具体制作模板步骤如下:

1.首先计算模板的梯度信息,如利用sobel算子计算x方向和y方向模板每个像素梯度值Gx,Gy。梯度的方向θ,还有每个像素点的梯度幅值。
2.梯度幅值大于某个阈值的点,我们认为是边缘点。并只保存边缘点的位置信息(x,y),梯度方向,梯度幅值。
3 .梯度方向的量化。实际用到了8个方向,《Gradient Response Maps for Real-TimeDetection of Textureless Objects》,这篇文章中量化为5个方向(拿5个方向举例)。这篇论文里提到量化梯度方向可以增加鲁棒性。我们拿论文里的梯度量化图举例子。
在这里插入图片描述
0-180°被量化成5个方向,且5个方向分别用二进制来表示。0-10°和180-190°被归为一个梯度方向。
4 .对图像金字塔下采样后的图像进行梯度方向量化的操作
5分别对通过旋转和缩放制作生成变换后的模板进行,1,2,3,4步骤操作。并保存。
在这里插入图片描述
这个是经过训练够生成文件信息。分别代表x,y以及和量化方向值(总共有八个方向用0-7表示)。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值