问题标签 [feature-detection]

我正在开始一个新项目，该项目将针对MSVC、GCC (latest)等GCC 4.3 ARM。我们构建的waf构建系统具有C++11编译器的功能检测。

C++11例如，我现在有针对编译器中所有功能的预处理器宏#ifdef WAF_FEATURE_CXX_STRONGLY_TYPED_ENUMS。因此，我可以针对编译器支持的内容编译不同的代码。几乎GCC支持它MSVC甚至还没有接近（即使有MSVC11 个）

这让我想到了 Web 开发 polyfill——如果该功能不可用，则使用可用的功能集实现它。

这不像 web 开发 polyfill 那样简单，C++11但是如果编译器不支持它，我可以用 C++03 简单地实现什么吗？

这归结为这样一个事实，即我想在我的公共 API 中使用强类型枚举器，但作用域看起来MyClass::MyEnumerator::EnumValue更像MyClass::EnumValue. C++03无论如何我可以C++03很容易地发生同样的事情：

我在课堂上到处都能features2D看到术语query和train. 例如matcheshave trainIdxand queryIdx, and Matchershavetrain()方法。

我知道单词train和query英文的定义，但我无法理解这个属性或方法的含义。

PS我明白，这是一个非常愚蠢的问题，但也许是因为英语不是我的母语。

我正在使用 OpenCV 2.4 来提取 SURF 特征，并且需要每个关键点的拉普拉斯值来进行匹配过程。

当我使用 OpenCV 2.3 时，我没有遇到这个问题。在 OpenCV 2.4cv2.SURF()中不起作用，所以我不得不这样做：

这可行，但是它给了我一组通用关键点对象。有没有办法获得 SURF 的特定值？（拉普拉斯，黑森）

不幸的是，我无法回到 2.3，因为 2.4 修复了我之前遇到的另一个问题。

我使用 OpenCV C++ Lib 的 HOGDescriptor 来计算图像的特征向量。我想可视化源图像中的特征。谁能帮我？

我想使用概率霍夫变换保存检测到的线。使用 houghlines2 命令有一个名为 line_storage 的参数。line_storage 是该函数存储其结果的地方。这可以是 CvMemoryStorage 结构或具有 N 行的矩阵。在概率霍夫变换模式下，矩阵必须是 N 行 x 1 列和 4 个通道 (CV_32FC4)。它存储线段的两个端点（ (x,y) 两次）。

我试图将此矩阵保存在 xml 文件中。但在 project_test.exe 中的 0x75db9617 处出现未处理的异常：Microsoft C++ 异常：cv::Exception at memory location 0x001bf0a0 ..我用来保存矩阵的代码,如下图所示。你能解释一下我做错了什么吗？谁能告诉我如何将此矩阵保存在 xml 文件中。

}

在我目前的研究中，我一直在阅读关于计算机视觉主题的文章，似乎没有人同意如何称呼它：“本地特征” 在我看来，所有的名称都有一定的意义，它们是描述该主题的不同方式。

我已经看到以下所有似乎指的是同一件事的描述：

• 自然特征

• 局部不变特征（有时更具体：比例/旋转不变特征）

• 特征点

• 兴趣点

• 关键点

• 以及上面的其他变体。

哪一个更适合命名这个研究课题，或者它们之间是否存在显着差异？

我在 SVG 中使用了 foreignObject 元素，但是 IE9 不支持这个元素。我正在寻找一种检测此功能的方法。Modernizr 没有检测到这个功能，而且我似乎不能像对矩形 (createSVGRect) 那样使用 createSVGForeignObject（在 SVGSVGElement 上不可用）。

谢谢！

好吧，也许不是“理想的”，但“我能用简单的形状做到最好”。

我有一个应用程序，我正在使用连接到移动机器人执行器的摄像头，并且需要检测它在世界上的位置（使用车载摄像头）。我的研究不是视觉处理，所以我喜欢生成一个“简单”的模式，以实现快速且相对准确的位置和旋转检测。图案将被打印出来并贴在平坦的表面上（请注意，这可能会导致纸张上偶尔出现照明渐变），并且相机轴通常大致垂直。

找到模式的一致性实际上比测量精度更重要；即，我宁愿有一些几乎总是给出有用的不太准确的结果的东西，而不是给出非常准确和精确的结果但在 10% 的时间里找不到任何东西的东西。

最后，这将在控制回路中使用，因此速度非常重要。

对于所有的 opencv/vision 专家来说，什么是模式选择（和相关的 opencv 算法）的好选择？

我正在使用神经网络对字母和数字进行简单的识别。到目前为止，我使用字母图像的每个像素作为网络的输入。不用说，这种方法会产生非常大的网络。所以我想从我的图像中提取特征并将它们用作神经网络的输入。我的第一个问题是字母的哪些属性有利于识别它们。第二个问题是如何将这些特征表示为神经网络的输入。例如，我可能已经检测到字母中的所有角，并将它们作为 (x,y) 点的向量。如何将此向量转换为适合 NN 的东西（因为不同字母的向量大小可能不同）。

在 Visual Studio 2010 中的简单程序中使用特征检测器失败。我使用的是 opencv 2.4.2 并在 2.4.1 上进行了检查。唯一要做的就是创建一个特征检测器并使用它来检测图像中的关键点。我在detectors.cpp（即features2d\detectors.cpp line:65）中遇到指向名为“detecImpl()”的函数的未处理异常崩溃。这个错误确实卡住了，并且花费了大量时间，因此非常感谢任何帮助。