halcon算子笔记，proj_match_points_ransac

最新推荐文章于 2023-09-16 12:57:28 发布
最新推荐文章于 2023-09-16 12:57:28 发布
阅读量4k 收藏 13
点赞数
分类专栏： HalconT
@F-Halcon@
本文链接：https://blog.youkuaiyun.com/weixin_42215453/article/details/83863983
版权

proj_match_points_ransac(Image1, Image2 : : Rows1, Cols1, Rows2, Cols2, GrayMatchMethod, MaskSize, RowMove, ColMove, RowTolerance, ColTolerance, Rotation, MatchThreshold, EstimationMethod, DistanceThresh

了解本专栏 订阅专栏 解锁全文 超级会员免费看
halcon算子笔记，proj_match_points_distortion_ransac
T
11-10 2664
proj_match_points_distortion_ransac(Image1, Image2 : : Rows1, Cols1, Rows2, Cols2, GrayMatchMethod, MaskSize, RowMove, ColMove, RowTolerance, ColTolerance, Rotation, MatchThreshold, EstimationMethod, ...
【halcon】特征点匹配proj_match_points_ransac算子
gongdiwudu的专栏
06-26 9033
halcon的许多算子内涵两种以上的理论或算法，proj_match_points_ransac就是其中之一，它至少包含了射影几何和ransac算法两个内容。本篇将讲述三个方面：1、射影几何的透视投影原理；2、ransac的回归原理；3、proj_match_points_ransac如何使用的案例；
Halcon学习2之proj_match_points_ransac（）
hjk890sdfgh的博客
05-17 1616
singlechannelimage：输入图像1 singlechannelimage：输入图像2 Rows1 (input_control)：图1特征点的行坐标。 Cols1 (input_control)：图1特征点的列坐标。 Rows2 (input_control)：图2特征点行坐标 Cols2 (input_control)：图2特征点的列坐标。 greymatchmethod (input_control) ：灰度值比较度量。 默认值:ssd 值列表:'ncc'， 'sad'， '
halcon---proj_match_points_ransac
xflangel的专栏
08-28 1417
算子的功能是通过RANSAC算法进行点匹配，并估计两个图像之间的2D齐次变换矩阵。该算子首先通过灰度匹配方法计算点之间的相似度，然后使用RANSAC算法从中筛选出内点，并估计出最佳的变换矩阵。最后，输出匹配点对和变换矩阵，用于后续的图像处理任务。：用于估计变换矩阵的方法，可以选择的方法有 'gold_standard', 'normalized_dlt'等。：输出的匹配点对，表示第一个图像中的点与第二个图像中的点的对应关系。：输出的2D齐次变换矩阵，表示从第一个图像到第二个图像的变换关系。
图像匹配（halcon 点匹配函数及其注释）
08-02
图像匹配，点匹配，自己翻译的注释，帮助理解
halcon学习拓展系列—判定二维点集在Region的位置信息算子test_region_points_fast【2024更新】
谷棵的专栏
12-14 1567
在专题《halcon学习拓展系列—判定二维点集在Region/Contour的位置信息算子test_region_points和test_contour_points》中详细讲解过test_region_points算子，该算子效率太低，在后面项目应用中看到了弊端，然后：不得不重构一个新函数test_region_points_fast，经项目中测试，在一张200万图片中运行时间为0.27ms（test_region_points运行时间是99.16ms），已满足项目CT需求 该专题目的是为了重构inte
Ransac直线拟合
05-19
VS2015版本实现的 Ransac直线拟合，算法速度快，效果优，直接可以使用
halcon网格算子（gen_grid_region）、裁剪算子（clip_region）
$firecat利白的代码足迹$
11-16 1976
Halcon网格算子说明 gen_grid_region clip_region gen_grid_region gen_grid_region( : RegionGrid : RowSteps, ColumnSteps, Type, Width, Height : ) 创建由线（Type=‘lines’）或像素（Type=‘points’）组成的网格RegionGrid，从像素（0,0）到像素(Height-1,Width-1)绘制网格RegionGrid，沿行方向步进RowSteps，沿列方向步进Col
Halcon算子速查手册(乞丐版).rar_HALCON手册_HALCON视觉_halcon_halcon document_h
07-15
《Halcon算子速查手册(乞丐版)》是一份专为HALCON使用者准备的实用参考资料，旨在帮助用户在进行图像处理和机器视觉设计时更有效地查找和理解HALCON算子的功能与应用。HALCON是一款全球领先的机器视觉软件，其强大的...
大恒-HALCON初级培训.zip_halcon_halcon培训_halcon算子_大恒_HALCON_大恒培训 pudn
07-15
halcon软件介绍，halcon算子解析，halcon形态学
Halcon ---图像拼接特征点提取
xflangel的专栏
08-22 1128
图像拼接
Halcon图像拼接
无能狂怒博客
10-11 1008
图像拼接
RANSAC剔除支撑平面
cocapop的博客
12-06 326
点云算法
Halcon知识：盘点一下计量对象【1】
gongdiwudu的专栏
06-30 7514
计量对象是解决测量问题的对象，通过该对象的微观测量，经拟合获得精确的亚像素级别的测量。其中包括平行直线的距离、圆的半径、椭圆的长短半径等。
HALCON例程学习——图像匹配Blended_mosaic
weixin_42465713的博客
07-04 3604
       本人是刚毕业的小菜鸡，最近工作上需要学习HALCON，在此记录一些学习过程，主要是算法流程、算子涉及的算法和常用的函数。如有错误恳请大佬们指正。        mosaic这一部分的例程主要是通过特征点匹配来实现对同一场景的图像块拼接，最后拼成一幅完整的图像。拼接后的图像一种是球形的（spherical），一种是三维立体的（cube）。        1.首先可以看到需要拼接的一共有...
基于Halcon的图像拼接
NCUTer
09-17 5076
一.图像拼接大致步骤如下： 1.读取图像 -->read_image() 2.提取图像特征点 -->points_foerstner() 3.构建投影矩阵（可选忽略径向扭曲或消除径向扭曲[radial distortion]） ---->proj_match_points_distortion_ransac() 4.生成拼接图像 --->gen_projective-mosaic() *5.显示拼接线 ...
Halcon 用点来拟合平面
weixin_39354845的博客
06-12 7425
项目要求用多个点来拟合一个平面，然后再用其他平面上的点来计算这个点到平面的距离，halcon 有现成的拟合函数。
OpenCV（四十七）：RANSAC优化特征点匹配
weixin_63357306的博客
09-16 1883
RANSAC是一种常用的参数估计方法，全称为Random Sample Consensus（随机抽样一致性）。它的主要思想是通过随机选择一部分数据样本，构建模型并评估其拟合程度，迭代过程中逐步优化模型，最终得到一个拟合较好的模型。随机取样，计算规律(特征点匹配中计算单应矩阵)测试规律是否满足大多数数据循环前两步选取最佳规律，并输出满足数据的点。
proj_match_points_ransac参数设置
最新发布
03-13
### 如何配置 `proj_match_points_ransac` 参数及其最佳实践 #### 参数详解 `proj_match_points_ransac` 是 Halcon 中的一个重要算子，用于基于 RANSAC 算法计算两个图像之间的投影变换矩阵。以下是其主要参数的说明以及推荐的最佳实践： 1. **Row 和 Column** - 输入参数：分别表示源图像中的点坐标（行号和列号）。 - 推荐实践：确保输入的点集尽可能覆盖整个感兴趣区域，并且具有足够的特征点以提高鲁棒性。 2. **RowsProj 和 ColsProj** - 输入参数：目标图像中对应的点坐标。 - 推荐实践：这些点应与 Row 和 Column 对应良好，通常由其他匹配算法提供初始估计[^1]。 3. **EstimationMethod** - 可选值：'linear', 'normalized_dlt', 或 'gold_standard'。 - `'linear'`: 使用线性方法快速估算模型参数。 - `'normalized_dlt'`: 归一化直接线性变换 (DLT)，适用于大多数情况下的稳健性能。 - `'gold_standard'`: 数学上最优的方法，但速度较慢，适合精度优先场景[^3]。 - 推荐实践：如果对实时性有较高要求，建议使用 `'normalized_dlt'`；对于高精度需求，则可选用 `'gold_standard'`。 4. **DistanceThreshold** - 描述：定义几何距离阈值，超出此范围的点会被视为离群点。 - 推荐实践：根据实际应用场景调整，默认值可以设为 1 到 5 像素之间。较大的值可能会引入更多噪声点，而较小的值可能导致有效点被误剔除[^2]。 5. **MatchThreshold** - 描述：SAD（Sum of Absolute Differences）窗口匹配的阈值，控制匹配质量。 - 推荐实践：具体数值取决于图像对比度和纹理复杂程度。一般情况下可以从经验值如 20 开始尝试并逐步优化[^4]。 6. **RandSeed** - 随机种子初始化变量，影响随机抽样过程。 - 推荐实践：保持固定值以便于调试阶段重现相同结果；生产环境中可根据时间戳动态生成不同种子值增加多样性。 7. **ReturnParameters** - 输出参数集合，包含最终拟合得到的单应矩阵 HMatrix、剩余误差 Error、参与投票的有效样本数 NumInliers 等信息。 #### 示例代码 以下是一个简单的 Python 脚本示例展示如何调用该函数： ```python from halcon import * # 初始化 HALCON 图像对象和其他必要数据结构... row, col = [], [] # 替换为您的源图关键点位置列表 rows_proj, cols_proj = [], [] # 替换为目标图对应的关键点位置列表 # 设置 ProjMatchPointsRansac 参数 estimation_method = 'normalized_dlt' distance_threshold = 3.0 match_threshold = 20.0 rand_seed = 42 # 执行操作 result_h_matrix, error_value, num_inliers = proj_match_points_ransac( row, col, rows_proj, cols_proj, estimation_method, distance_threshold, match_threshold, rand_seed) print(f"Estimated Homography Matrix:\n{result_h_matrix}") print(f"Error Value: {error_value}, Number of Inliers: {num_inliers}") ``` #### 总结 合理设置上述各参数能够显著提升 `proj_match_points_ransac` 的运行效果，在满足应用需求的同时兼顾效率与准确性。务必依据具体的实验环境反复测试验证所设定的各项指标是否恰当。
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

打赏作者

F-Halcon

浏览即鼓励

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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