1.模板数据
视点采样:模板数据为每类物体不同视角的图像,每类物体模板的提取数量为2000幅。在采样时,应该尽量覆盖各个视点下的图像(除此之外,还可以记录每个视图下的大致姿态)。
对每个物体采集不同尺度、不同视角的模板图像,文章中推荐绕每个轴旋转±80°,尺度上大小的变化范围为[1.0,2.0]。
2.训练过程
Line2D采用的是图像颜色梯度特征,这一点不同于LineMod(除了颜色梯度特征,还有深度特征)。在匹配时,仍采用传统的滑窗方式,即用每幅模板图像在输入图像上依次滑窗匹配,求出最佳的匹配位置。
2.1 图像梯度
为什么选择图像梯度?因为他们被证明比其他形式的特征更具有判别力,并且对光照变化和噪声具有鲁棒性。此外,图像渐变通常是无纹理对象时唯一可靠的图像提示。图像梯度的定义:
其中ori()为位置x处的以弧度为单位的梯度方向。C ^(x)定义如下:
为了增加鲁棒性,在每个像素位置x的三个颜色通道上分别计算其梯度,并选择梯度值最大的通道,最终该通道下的梯度方向为x位置下的最终梯度方向,也即是ori()。
2.2 模板的定义
模板图像是在特定视角下某类物体的图像,如下图所示:给定模板图像后,需要对该模板图像进行梯度求解,求出其梯度图像