6.13-6.18

GMS与ORB匹配效果对比
最新推荐文章于 2021-05-18 00:47:02 发布
原创 最新推荐文章于 2021-05-18 00:47:02 发布 · 416 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文对比了GMS和ORB+筛选在特征匹配上的效果，发现GMS能在相同时间内获得更多的匹配点，且误匹配数量较少。文中还介绍了GMS的基本原理，并提及使用OpenCV的triangulatePoints函数进行三维重建。
部署运行你感兴趣的模型镜像

6.13

  1. 昨天和今天都在改计图作业&期末展示
  2. 测试了一下GMS的效果和直接用ORB+筛选对比，如下
    GMS（1000个ORB点用时0.04s，10000个ORB点用时0.10s，下图是1000个的效果）：
    这里写图片描述
    ORB+最小距离筛选（500个ORB用时0.05s）
    这里写图片描述
    其实本身ORB描述子匹配误匹配数目很多，如下
    这里写图片描述
    利用描述子的最小距离*2来筛选，即可得到上面那个效果较好的，看起来在相同时间内，GMS得到的匹配点多一些，应该效果会好，打算粗略阅读以下论文

6.14

  1. 做了两道LeetCode
  2. 看了GMS的论文,大概思路是现有的特征匹配算法无法区分哪些是正确的匹配哪些是错误的,RANSAC可以缓解这个问题,GMS同样也是为了解决这个问题.主要的思路是认为在正确的匹配点附近应该有较多的匹配点.而错误的匹配点则相反.结合图来理解
    这里写图片描述
    左图有一个黄色圈圈a,右图有一个黄色圈圈b,绿色的线表示一组特征匹配,在圈圈内还有两根蓝色的线表示有两组特征匹配,所以这是一个正确的匹配,而红色圈圈则相反,因为是误匹配,所以在红色圈圈内没有匹配的特征.大概就是这个意思
  3. OpenCV中有提供三角化的函数triangulatePoints,输入是两个相机的位姿SE3和特征点在归一化平面的位置(Point2d类型,二维,第三维为1省略),返回一个齐次的3维的世界坐标(即4维的点)

您可能感兴趣的与本文相关的镜像

Facefusion

Facefusion

AI应用

FaceFusion是全新一代AI换脸工具，无需安装，一键运行，可以完成去遮挡，高清化，卡通脸一键替换，并且Nvidia/AMD等显卡全平台支持

Matlab图像处理函数大全（建议收藏）
「 刘一哥与GIS的故事」
12-11 1万+
文章目录第1章： 图像显示与图像文件输入输出函数第2章： 图形绘制第3章： 图像类型和类型转换第4章： 图形用户界面工具第5章： 空间变换和图像配准第6章： 图像分析和统计第7章： 图像代数运算第8章： 图像增强第9章： 图像去模糊第10章： 线性滤波和变换第11章： 形态学操作第12章： 图像的块和邻域处理第13章： 颜色映射表和色彩空间第14章： 其他常用函数 第1章： 图像显示与图像文件输入输出函数 1.1图像显示函数 1.1.1 immovie-------创建视频结构数组 1.1.2 impla
ORB+GMS、FREAK+GMS、BRISK+GMS、AKAZE+GMS特征点结合使用方法
生活如此美好，致敬每一个热爱“热爱”的人！
12-21 5163
关于ORB、FREAK、BRISK、AKAZE的具体原理参考原文，最近没时间翻译，后续会花时间把原文翻译放在博客里面。这些特征点提取方法都可以再opencv里面调用函数实现。 特征点提取与匹配原文论文下载_nudt一枚研究生-优快云博客 feature_extraction.cpp #include <iostream> #include <opencv2/core/core.hpp> #include <opencv2/features2d/features2d.h
跟六哥学习ORB-SLAM2作业（二）下
走走走走走走你
01-29 547
目录 5、(问答题) ORB_SLAM中为什么要进行特征点的均匀化？有什么好处？请调研至少1种以上其他可以实现均匀化的方法？ 6、(问答题)题目：单目相机SLAM是视觉SLAM所需最小的配置，应用非常广泛，而其中单目初始化尤其重要。这里我们自己实现了一个单目相机初始化流程，包括：提取特征点，特征匹配和筛选，位姿估计，三角化。代码框架已经写好了，推荐环境：ubuntu 18.04, OpenCV 3.4.6。 5、(问答题) ORB_SLAM中为什么要进行特征点的均匀化？有什么好处？请调研至少1...
视觉SLAM实践入门——（12）三角测量
floatinglong的博客
05-18 2018
啊
Opencv2.413-ORB_GMS.rar
08-03
在Opencv2.413下，使用GMS算法筛选内点！ 代码中有GMS算法和RANSAC算法对比效果图！
ORB_GMS图像对齐
Henry_Zhao的博客
12-14 841
// OpenCV_Align.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。 #include <iostream> #include <opencv2/opencv.hpp> #include <opencv2/xfeatures2d.hpp> #include <opencv2/features2d.hpp> u...
进度条（6.13-6.18）
weixin_30399797的博客
06-18 97
转载于:https://www.cnblogs.com/justmaomao/p/5589954.html
python编程例子 输入 输出-Python - 输入和输出 - 第十七天
weixin_37988176的博客
10-30 697
Python 输入和输出在前面几个章节中，我们其实已经接触了 Python 的输入输出的功能。本章节我们将具体介绍 Python 的输入输出。输出格式美化Python两种输出值的方式: 表达式语句和 print() 函数。第三种方式是使用文件对象的 write() 方法，标准输出文件可以用 sys.stdout 引用。如果你希望输出的形式更加多样，可以使用 str.format() 函数来格式化输...
精选资源
Arm Compiler for Embedded Reference Guide 6.18.pdf
04-03
《Arm Compiler for Embedded》6.18版参考指南是一份由Arm Limited或其关联公司编写的非保密文档，涵盖了从2019年至2022年的多个版本更新。该指南详细介绍了专为嵌入式系统设计的Arm Compiler工具链，用于编译和优化...
精选资源
2021-2022年收藏的精品资料软件工程课程设计企业工资管理系统.doc
09-17
- 6.11-6.13：设计系统架构，包括数据库设计、界面设计和算法设计。 - 6.14-6.15：进行系统的初步实现，构建系统的各个模块。 - 6.16-6.17：制定测试计划和Bug跟踪列表，确保系统质量。 - 6.17-6.18：提交项目，进行...
松下KX-FLM663CN传真机
07-06
##### 6.13 LCD部分 - **显示屏幕**：LCD用于显示设备状态和菜单选项。 ##### 6.14 HVPS（高电压电源）部分 - **电源供应**：HVPS为设备的关键组件提供稳定的高压电源。 ##### 6.15 加热灯控制电路 - **加热控制**...
opencv3.4.5实现GMS+ORB特征匹配
ChenCong7375的博客
04-17 7734
环境：opencv3.4.5+opencv_contrib，vs2015； GMS链接： GMS: Grid-based Motion Statistics for Fast, Ultra-robust Feature Correspondence CVPR2017 c++ code: https://github.com/JiawangBian/GMS-Feature-Matcher ...
基于网格的运动统计，用于快速、超鲁棒的特征匹配
wi162yyxq的博客
05-25 3213
说明： 将平滑度约束引入特征匹配是已知的可以实现超强鲁棒匹配。 然而，这样的匹配方案既复杂又缓慢，使得它们不适合于视频应用。 本文提出了GMS（基于网格的运动统计），一种简单的方法，将运动平滑度作为一个统计量，进行局部区域的匹配。GMS可以将高匹配数字转换成高匹配质量。 这提供了一个实时、超强的匹配系统。 评估低质量、模糊的视频和广泛基线显示，GMS始终如一地优于其他实时匹配器。
控制CPU使用率
richlaji的专栏
08-20 1381
我使用的是Ubuntu 14.04版本，用的是自带的系统监视器来观察CPU使用率的变化。1.首先来说说怎么控制CPU使用率，当程序执行一个死循环的时候，使用率就会变成100%，而当程序进入idle的时候，使用率就会很低（在别的程序不启动的情况下），那么控制CPU使用率就是调整它idle和busy的时间比例。2.CPU使用率设为任意值（0 ～ 1之间） 代码如下//#define _GNU_SOUR
Ubuntu OpenCV2.4.13与OpenCV3.1.0共存
richlaji的专栏
05-17 1076
OpenCV2.4.13与OpenCV3.1.0共存因为有时候要用到2.4的OpenCV有时候要用到3以上的OpenCV所以,解决版本共存的问题.环境是Ubuntu14.04正常来说,OpenCV装在/usr/local下,而实现多版本,这里我们将OpenCV2.4.13装在/usr/local/opencv2.4下而OpenCV3.1.0装在/usr/local/opencv3下下图是安装好后/u
python抓取京东商品颜色&beautifulsoup的一些常用函数
richlaji的专栏
01-18 900
python爬虫抓取京东上商品时，大部分商品有颜色的选项，所以想把不同颜色的商品都爬取的时候，需要获得这个商品的url　　首先要找到商品颜色的那个地方，不知为何用浏览器看是显示javascript，然是用requests下载下来的时候就是用url的，尝试抓了一天点击的js去请求都没抓到，坑　　于是写了一个返回当前商品所有颜色的url数组的函数，如果只有一种颜色，那么就返回一个只有当前url的数组im
Linux c++ socket编程
richlaji的专栏
03-14 819
这里有一个封装的比较好的client和server端的cpp,是用于linux c++的socket编程 主要实现了socket类,serverSocket类(继承socket),clientSocket类(继承socket),下面是网址 http://tldp.org/LDP/LG/issue74/tougher.html 找代码还真是谷歌好...百度找了一个上午都是乱七八糟的东西,而
Winsock网络编程
richlaji的专栏
09-25 723
简介winsock就是在Windows下的网络套接字编程，现在使用的是Windows Socket 2，是专门为C/C++编程而设计的。 Microsoft给出了使用winsock的教程Microsoft winsock客户端和服务器端以TCP为例，客户端需要做的事情有 （1）WSAStartup初始化Winsock API （2）getaddrinfo （3）Create Socket （4）C
实验内容 本项实验通过队列的应用，实现电子秤采样数据分时段平均值计算的仿真模拟。 数据输入文件exp03.in中内容如下例： 10 1.62 1.22 1.89 0.63 0.01 1.86 0.92 1.8 1.13 2.06 1.06 1.91 1.09 2.24 0.3 1.87 0.47 1.74 0.26 1.62 0 1.24 1.75 0.23 2.3 0.6 2.42 0.89 2 0.72 2.25 1.11 2.16 0.01 0.59 2.3 0.92 1.34 0.33 2.21 0.32 2.41 0.65 1.31 1.08 1.74 0.09 2.13 0.39 1.39 1.26 2.19 1.16 1.32 0.17 2.06 0.33 1.57 0.81 2.24 0.86 0.01 1.45 0.52 2.03 0.98 1.79 0.51 1.66 1.25 1.48 0.97 0.02 2.43 1.09 1.32 0.25 1.4 1.22 1.32 0.43 1.35 1.05 1.47 0.93 1.35 0.58 1.59 1.05 2.05 0.96 1.42 0.28 2.06 0.92 1.5 0.4 0.01 2.47 0.73 2.93 4.15 3.25 4.98 3.63 5.06 3.09 4.73 3.52 4.95 3.52 3.98 3.82 4.7 2.91 4.96 10.99 3.21 4.36 3.44 4.58 3.08 4.01 2.94 4.85 3.02 4.63 3.27 4.57 11.02 3.79 4.3 3.73 4.3 3.92 4.35 3.12 4.55 3.14 4.35 3.6 4.06 3.07 4.55 3.46 4.96 3.82 4.99 3.71 4.5 3.37 4.42 3.85 5.01 3.33 4.68 3.01 4.22 3.35 10.7 4.99 3.76 4.25 3.15 4.55 3.62 4.75 3.43 4.91 3.86 3.99 2.99 5.05 3.11 4.24 3.82 4.7 3.21 4.62 3.43 4.81 3.54 4.07 3.25 4.84 3.42 4.02 3.48 4.91 3.46 4.62 3.7 4.29 3.91 4.29 3.58 4.68 10.09 3.36 4.47 5.74 4.91 5.78 5.57 6.05 4.8 5.92 5.08 6.6 5.02 5.96 5.57 6.33 5.41 5.81 5.6 6.32 5.46 6.03 5.03 5.86 4.71 5.81 5.65 5.87 5.46 6.28 5.55 6.44 5.2 6.12 5.49 6.37 4.75 6.36 4.89 5.96 5.35 6.16 5.12 6.06 4.82 5.92 5.4 5.78 5.02 6.44 5.56 6.27 5.02 6.46 5.63 6.33 4.84 6.43 4.95 5.91 5.37 5.7 5.46 6.19 5.34 6.26 4.94 6.42 4.94 5.9 4.8 5.86 5.12 5.86 5.5 6.49 4.78 6.51 5.56 5.76 5.36 6.27 5.08 6.24 5.09 5.78 5.62 6.31 5.11 6.35 5.18 6.51 5.24 6.59 5.29 6.46 4.89 5.67 5.62 6.37 4.95 5.73 4.77 5.64 6.53 5.95 6.55 5.88 6.24 5.73 6.7 5.44 5.98 5.8 6.1 5.64 6.35 5.52 6.8 5.39 6.7 5.26 6.02 5.86 6.58 5.9 6.52 5.4 6.48 5.25 6.84 5.53 6.7 5.37 6.2 5.29 6.42 5.36 6.57 5.84 6.78 5.64 11.9 6.55 5.81 6.68 5.56 6.04 5.53 6.39 5.34 5.99 5.96 6.12 5.68 6.17 5.21 6.17 5.67 6.6 5.3 6.75 5.9 6.5 5.82 6.85 5.17 5.98 5.78 6.04 5.26 6.77 5.81 6.37 5.73 6.11 5.56 6.58 5.82 6.86 5.37 6.61 5.92 6.68 5.67 6.13 5.25 6.5 5.75 6.23 5.52 6.7 5.84 6.64 0.01 5.8 6.36 5.12 6.75 5.09 6.65 5.11 6.43 6.53 6.44 6.95 6.29 6.66 5.78 6.56 6.3 7.17 5.88 6.74 5.78 7 6.44 6.86 6.1 6.55 6.13 6.61 6.31 6.95 6.39 6.97 6.43 6.87 5.96 7.19 6.34 6.9 5.96 7.28 6.19 6.53 6.49 7.2 5.91 7.1 6.27 6.62 5.9 6.86 5.77 6.86 6.13 7.07 5.81 7.07 6.49 6.8 5.97 7.05 6.16 6.65 5.77 6.73 5.96 6.82 6.32 7.1 5.91 6.56 5.85 7.29 5.81 7.22 5.71 6.88 5.73 6.72 6.04 6.6 5.91 6.61 6.34 7.22 6.1 7.13 5.79 7.22 5.73 7.14 6.22 6.79 6.49 7.01 5.83 0.02 7.26 6.17 6.71 5.71 6.82 5.86 6.73 6.32 6.95 5.85 6.59 6.1 7.18 7.07 5.87 6.73 5.96 6.44 10.09 6.3 6.64 6.26 6.53 6.12 7.1 6.28 6.85 6.24 6.71 5.92 6.91 6.03 6.8 6.23 6.87 6.23 7.11 6.32 6.69 6.14 6.96 5.86 0.01 6.42 6.11 6.49 6.35 6.64 5.95 7.04 5.81 6.8 5.96 6.8 6.1 6.82 6.23 6.55 6.4 11.3 6.51 6.17 6.85 5.76 6.61 6.36 7.06 5.99 6.58 6.1 6.45 5.91 6.63 5.75 6.82 5.9 6.44 6.32 6.92 5.89 6.92 5.96 6.75 5.86 6.68 5.76 6.89 6.13 6.52 5.83 6.85 5.99 6.48 6.13 6.7 6.23 7.11 6.18 0.02 6.48 6.34 6.73 6.18 6.89 5.81 6.8 6.17 6.76 5.98 6.56 6.29 6.58 6.33 6.27 6.48 0.01 5.74 6.52 6.02 6.49 5.96 6.44 5.86 6.83 6.14 6.69 5.88 6.75 5.85 6.84 6.22 6.58 10.09 6.03 6.55 6.17 6.86 6.05 6.66 5.78 6.4 6.29 6.5 0.01 5.78 6.32 5.72 6.69 0.01 5.8 6.73 5.79 6.47 5.78 6.65 5.73 6.35 6.3 6.35 6.25 6.69 5.98 6.67 5.72 6.7 5.92 10.08 6.73 6.01 6.84 10.01 6.15 6.67 5.92 6.52 5.94 6.68 5.76 6.37 5.97 6.53 6.13 6.51 6.04 0.02 6.49 6.2 6.52 5.88 6.67 6.21 10.7 6.85 5.97 6.72 5.9 6.68 6.29 6.38 6.25 6.45 6.25 6.89 6.15 6.67 6.2 6.79 6.07 6.81 5.89 10.9 6.37 5.92 5.95 6.78 5.98 6.62 6.11 6.49 6.02 6.49 6.01 6.63 6.24 6.67 5.91 6.46 6.27 6.46 5.97 6.62 5.87 6.58 6.07 6.42 6.36 6.52 6.14 6.49 6.33 6.73 6.31 6.39 6.14 6.41 6.2 6.8 6.36 6.54 5.92 6.83 6 6.54 6 6.44 6.3 6.48 6.29 6.55 6.27 6.71 6.21 6.62 5.89 6.82 6.1 6.39 5.9 6.44 6.12 6.76 6.26 6.44 5.91 11.3 6.72 6.15 6.79 6.01 6.53 6.27 6.36 6.08 6.55 6.07 6.64 6.29 6.8 6.2 6.66 6.31 6.6 6.23 6.75 6.07 6.78 6.06 6.39 0.01 6 6.68 6 6.62 6.16 6.55 6.36 6.39 5.95 6.81 6.25 6.58 6.22 6.61 6.56 6.19 6.5 6.18 6.56 6.28 6.62 6.22 6.52 6.15 6.66 6.15 6.48 6.23 6.63 6.03 6.41 6.04 6.45 6.16 6.51 6.09 10.01 6.36 6.17 6.43 6.06 10.1 6.35 6.28 6.68 6.21 6.47 6.1 6.52 6.28 6.54 6.12 6.52 6.05 6.67 6.22 6.51 6.15 6.69 6.06 6.69 6.26 6.6 6.02 6.51 6.29 6.6 6.19 6.5 6.17 6.45 6.03 6.64 6.18 6.65 6.16 6.6 6.18 6.72 5.98 6.38 6.04 6.41 6.3 6.55 6.17 6.58 6.25 6.58 0.01 5.97 6.41 6.27 6.74 5.98 6.44 6.09 6.54 0.01 6.03 6.54 6.01 6.59 6.15 6.59 5.96 6.49 6.32 6.7 6.12 6.73 6.12 6.72 6.14 6.31 6.59 6.22 6.39 6.21 6.48 6.25 6.48 6.08 6.49 6.35 6.51 6.07 6.47 6.07 6.49 6.09 6.47 6.22 6.55 6.26 6.62 6.32 6.62 6.33 6.41 6.36 6.43 6.29 6.44 6.33 6.64 6.07 6.44 6.24 6.54 6.16 6.5 6.16 6.55 6.21 6.47 6.17 6.36 6.31 6.47 6.07 6.37 6.28 6.45 6.17 6.41 6.24 6.46 6.2 6.55 6.31 6.59 6.17 6.4 6.27 6.42 6.18 6.43 6.23 6.65 6.14 6.5 6.15 6.53 6.28 6.39 6.23 6.53 6.32 6.44 6.18 6.45 6.09 6.47 6.19 6.52 6.07 6.37 6.17 6.42 6.1 6.46 6.09 6.43 6.16 6.48 6.26 6.47 6.36 6.58 6.27 6.45 6.21 6.5 其中，标记为蓝色的第一个数字表示采样的批次或时段数，本例为10批次，或称10个采样时段；第二行起是10个时段的采样数据，每个时段有100次采样，其中有效数据介于0.05和9.99之间，异常采样数据标记为暗红色。 计算出的各时段平均值输出到exp03.out文件，其内容如下： 1.285 3.987 5.665 6.013 6.485 6.412 6.302 6.357 6.348 6.346 打开客户端程序client所在文件夹中的源程序exp03.cpp。补充程序代码完成其中的：⑴ 入队函数；⑵ 出队函数；⑶ 主函数中采样数据出队和求平均部分程序段。 #include <iostream> #include <iomanip> #include <stdio.h> #include <stdlib.h> //#include <windows.h> //#include <winbase.h> #define queueSize 120 // 队列空间大小 using namespace std; float queue[queueSize]; // 循环队列 int front, rear; // 队首指针，队尾指针 void initiate() // 初始化队列 { front = rear = 0; } bool enqueue(float e) // 入队 {//************************************************ if ((rear + 1) % queueSize == front) return false; queue[rear] = e; rear = (rear + 1) % queueSize; return true; //================================================ } float dequeue() // 出队 {//************************************************ float e = queue[front]; front = (front + 1) % queueSize; return e; if (front == rear) return 0; //================================================ } /* void delay(int ms) // 延时 { int start = GetTickCount(); while(GetTickCount()-start < ms); } */ int main() { int i, j; int group, NumPerGroup; // 采样分组数，出队数据个数 float data, average; // 数据，某组平均值 freopen("exp03.in", "r", stdin); freopen("exp03.out", "w", stdout); initiate(); cin >> group; for(i=0; i<group; i++) { for(j=0; j<100; j++) // 一个时段采样数据入队 { cin >> data; if(data>=0.05 && data<=9.99) enqueue(data); } // delay(50); _sleep(50); // 延时，模拟时间分段 average = 0.0; //************* 采样数据出队，求平均 ************* //================================================ cout << setprecision(3) << setiosflags(ios::fixed | ios::showpoint) << average << ' '; } fclose(stdin); fclose(stdout); return 1; }
最新发布
11-30
我们来逐步完成这个实验任务：**使用队列模拟电子秤采样数据的分时段平均值计算**。 你已经给出了完整的框架代码，现在需要补充三部分内容： 1. **入队函数 `enqueue`**（你已基本写对，稍作优化） ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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