2020最新的一种特征描述符BEBLID(只需一行代码就可以获得比ORB高14%的性能)

最新推荐文章于 2025-04-02 15:26:23 发布
原创 最新推荐文章于 2025-04-02 15:26:23 发布 · 773 阅读 · 6 ·
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。
文章标签：

#无人机 #计算机视觉 #人工智能 #目标跟踪 #python

BEBLID是opencv4.5.1引入的新特征描述符，相比于ORB，它能提供更高的图像匹配精度且减少执行时间。通过修改ORB的代码，使用BEBLID_create()函数，可以在检测和计算关键点时提升性能。文章提供了代码示例展示如何从ORB切换到BEBLID，并提到了BEBLID的详细原理可通过相关链接了解。

2020最新的一种特征描述符BEBLID（只需一行代码就可以获得比ORB高14%的性能）

一.摘要

opencv 4.5.1以上的版本都包含了BEBLID，这是一个新的特征描述符号。
相对于ORB，它可以在减少执行时间的情况下提升图像匹配精度，官方代码在Github库中：
Github地址
原文地址：
pdf

下图可以看到产生了500多个角点

匹配结果

在这里插入图片描述

二.代码

BEBLID算法相对于ORB其实只修改了特征描述符处的代码，下面是修改后的代码：

detector = cv2.ORB_create(10000)
kpts1 =
最低0.47元/天 解锁文章
【OpenCV实践之】描述符BEBLID
AutoXTruck专栏
02-23 7394
目录BEBLID简介BEBLID论文浅述C++代码部分实验结果小结参考文献 BEBLID简介 　　局部特征描述子基本停滞许久没有出现新的算法，最近看到OpenCV-4.5.1集成了一个新的二进制描述子。BEBLID（Boosted efficient binary local image descriptor）在速度上面与精度上面要优于ORB算法。应用过相关ORB算法都知道，ORB算法由于其速度卓同时匹配性能很高而得名，广泛应用于工业界。那么，现在出现BEBLID描述子，匹配成功率高于ORB几乎能够媲美SI
opencv4.5.1 包含了BEBLID算子，一个新的局部特征描述符，超越ORB
Bolly_He的博客
05-25 1470
OpenCV 4.5.1中最令人兴奋的特性之一是BEBLID (Boosted Efficient Binary Local Image Descriptor)，一个新的描述符能够提高图像匹配精度，同时减少执行时间！ GitHub地址：https://github.com/iago-suarez/beblid-opencv-demo/blob/main/demo.ipynb 首先确定安装opencv的版本很重要，opencv版本的检查和安装如下 检查OpenCV Contrib版本： pipin.
OpenCV4.5.1 | 使用一行代码将图像匹配性能提高14%
深度学习与计算机视觉
04-08 1171
OpenCV发行版4.5.1包含了BEBLID，这是一个新的本地特性描述符。opencv4.5.1中最令人兴奋的特性之一是BEBLID（Boosted effective Binary L...
BELID：增强的高效的局部图像描述符
3D视觉工坊
02-23 2203
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达编辑丨当SLAM遇见小王同学声明: 本文只是个人学习记录，侵权可删。论文版权与著作权等全归原作者所有，小王自觉遵守《中华人民共和国著作...
推荐开源项目：BEBLID——加速高效的二进制局部图像描述符
gitblog_00022的博客
06-11 527
推荐开源项目：BEBLID——加速高效的二进制局部图像描述符 在计算机视觉领域，局部图像特征的高效匹配是一项基础且关键的任务。今天，我们向您推荐一个名为BEBLID（Boosted Efficient Binary Local Image Descriptor）的开源项目，它旨在提供一种在保证匹配性能的同时提高运算效率的二进制描述符。 项目介绍 BEBLID是由The Graffter S.L....
精选资源
beblid-opencv-demo:如何仅用一行代码就能将图像匹配度提高14％？ BEBLID是关键！
05-28
如何仅用一行代码就能将图像匹配度提高14％？ BEBLID是关键！ 是通过boosting学习的高效二进制描述符。 只需更改scale_factor参数，就可以描述任何检测器的关键点。 在几个基准测试中，它已被证明可以以相同的效率...
精选资源
computeORB_计算ORB特征点和描述子_ORB特征点匹配_orb_orb机器人_位姿估计_
09-30
ORB（Oriented FAST and Rotated BRIEF）是一种广泛应用于计算机视觉领域的关键点检测与描述符算法。它结合了FAST关键点检测器和BRIEF描述符的优点，旨在提供一个快速、鲁棒且可旋转不变性的特征提取方法。在机器人...
BEBLID：高效二进制局部图像描述符
gitblog_00895的博客
12-28 379
BEBLID：高效二进制局部图像描述符 BEBLID（Boosted Efficient Binary Local Image Descriptor）是一个高效学习的二进制图像描述符的开源项目。该项目主要使用C++编程语言，同时使用了CMake构建系统。 项目基础介绍 BEBLID项目旨在提供一种在计算能力受限的设备上实现实时图像特征匹配的方法。它通过改进先前实值描述符BELID，在保持高效匹配的...
OpenCV 4.5.1 - 新版本 中 BEBLID 描述符尝鲜 (基于 ubuntu / c++)
勤能补拙的编程备忘录
02-22 2626
时间：20210222 目录 文章目录1. OpenCV 4.5.1 发布1.1 参考资料1.2 新特性 BEBLID 描述符2. OpenCV 4.5.1 编译 (Ubuntu 18.04)2.1 源码和 contrib 模块克隆2.2 编译2.3 添加 opencv 4.5.1 的 cmake 样例3. BEBLID 描述符测试例子3.1 python 例子3.2 c++ 例子3.3 结论 1. OpenCV 4.5.1 发布 1.1 参考资料 opencv 源码 - 官方 github - ta.
opencv实战项目二十三：基于BEBLID描述符的特征点匹配实现表盘校正
HanWenKing的博客
09-12 2020
在数字化时代，图像处理技术的应用日益广泛，其中表盘校正作为一项重要技术，在工业自动化、智能监控、时间同步等领域发挥着至关重要的作用。传统的表盘校正方法往往依赖于人工操作，不仅效率低下，而且精度难以保证。随着计算机视觉技术的飞速发展，基于算法的自动表盘校正技术逐渐成为研究热点。本文将为您介绍一种基于BEBLID（Binary Efficient Boosted Local Identity Features）特征点匹配技术的表盘校正方法。
局部图像描述符最新研究进展_许允喜
08-27
局部图像描述符广泛应用于许多图像理解和计算机视觉应用领域，如图像分类、目标识别、图像检索、机器人导航、纹理分类等。
BEBLID描述器
ouhaha的博客
03-07 506
beblid
BEBLID Boosted Efficient Binary Local Image Descriptor 论文学习
calvinpaean的博客
08-31 2051
Abstract 对局部图像特征做高效率匹配是许多计算机应用的基础任务。但是对于算力有限的设备（如手机或无人机）来说，顶尖的匹配算法会大打折扣。本文介绍了 BEBLID，一个高效的二元图像描述子。它改进了之前的实数描述子—BELID，匹配更加高效、准确。作者使用了 AdaBoost 和改进后的 weak-learner 训练方式，输出更好的局部描述信息。此外，强迫所有的 weak learners 拥有与 strong learner 组合相同的权重，对描述子做二元化，在未标注数据集上训练，解决匹配和提取任
BEBLID 项目使用教程
gitblog_00491的博客
08-16 471
BEBLID 项目使用教程 项目介绍 BEBLID（Boosted Efficient Binary Local Image Descriptor）是一个高效的二进制局部图像描述符，专门优化用于图像匹配和补丁检索。该项目由Iago Suárez开发，并在GitHub上开源。BEBLID通过在图像的关键点周围不同区域使用灰度值的均值差异来描述图像，能够提供高效的图像匹配性能。 项目快速启动 环境准备...
opencv4.5.1的编译与使用（BEBLID 描述子）
落叶知秋了哟的博客
06-19 1192
opencv4.5.1+contrib_4.5.1的编译与简单使用0、概述1、下载1.1 opencv4.5.1下载1.2 opencv_contrib-4.5.1下载2、编译3、简单例程 0、概述 看到OpenCV4.5.1新出了一个描述子，可以提高特征匹配的精度，所以赶紧编译一下opencv试试看。 但是在contrib模块中，所以干脆一起编译了。由于电脑GPU性能不是很好，编译非常慢，并且平时用的也很少，因此就暂时不带GPU编译了。 1、下载 1.1 opencv4.5.1下载 opencv可以
OpenCV实现SLAM位姿估计
最新发布
Alleviatesusher的博客
04-02 985
定义无人机的状态变量，包括位置、速度、姿态、相机到IMU的变换矩阵以及传感器的bias。状态变量Rwb​：IMU坐标系到世界坐标系的旋转矩阵。pw​：IMU坐标系在世界坐标系下的位置。vw​：IMU坐标系在世界坐标系下的速度。Tbc​：相机坐标系到IMU坐标系的变换矩阵。ba​ 和 bg​：加速度计和陀螺仪的bias。
图像特征——中篇
AI浩
04-28 1495
图像特征 和文本特征类似，图像特征也是梯度提升树模型非常难以挖掘的一类数据，目前图像相关的问题，例如图像分类，图像分割等等几乎都是以神经网络为主的模型，但是在一些多模态的问题中，例如商品搜索推荐的问题中，里面既包含图像信息又含有文本信息等，这个时候基于梯度提升树模型的建模方案还是至关重要的，这个时候为了更好地使用所有的数据信息，我们需要对图像特征进行多方位的提取。 本节我们接着上一节10大特征之后再补充另外的一些最为经典的特征。 1.图像预训练特征 目前预训练的图像特征非常的多，典型
BEBLID技术提升图像匹配度，一行代码实现14%提升
资源摘要信息:"beblid-opencv-demo是一个旨在展示如何通过使用BEBLID（Boosted Efficient Binary Local Image Descriptor）描述符和仅一行代码就能显著提高图像匹配度的Python示例。BEBLID是通过boosting学习得到的...
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

大泽泽的小可爱

你的鼓励将是我创作的最大动力

¥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