问题标签 [keypoint]

如何MatOfKeyPoint正确建立一个？

到目前为止，我的代码是：

现在我有一些KeyPoint我创建的 s 和它的位置。

但我不能将它们插入，mat因为方法put不支持这种类型。我能做些什么？

我使用 OpenCV 特征检测基于激光雷达结果和虚拟地图的比较来估计机器人位置。我尝试使用 orb 特征检测，然后使用 flannbasedmatcher，但匹配结果出错。这是我的一些代码

这是结果。 检测似乎没问题，但是当我旋转第二张图像时它很糟糕

flann matcher 是否仅适用于未缩放和未旋转的图像？我可以使用 flann 来匹配双色图像（BW）吗？或者有人可以指出我做错了什么吗？提前致谢

亲爱的 1-我知道 Point 类是关于两个通道整数值坐标（点）：像 MatOfPoint 是整数点的向量。KeyPoint 类也一样吗？我知道这是一个包含显着点的类。将它们视为两个通道浮点值坐标（点）是真的吗？看看下面的几行：

我写信是为了看看我对 KeyPoint 的解释是否有效。请验证这一点。

2-什么是 Dmatch match.trainIdx？我的意思是 trainIdx 是什么？

和平

是否可以使用train_shape_predictor_ex.cpp.html和face_landmark_detection_ex.cpp.html来训练不同的地标数字？默认情况下，两者都检测68正面中的地标。我只想检测39地标。我可以使用train_shape_predictor_ex. 但是face_landmark_detection_ex输出附加的消息：

抛出异常

最近，我对 RGB-D 图像的描述符进行了研究，但我现在面临如何计算召回精度的问题。

我的直接想法是，首先，在检测和描述关键点之后，将两个深度图像分别转换为点云。其次，使用地面实况数据（旋转矩阵和向量）将两个点云转换为世界坐标系。第三，只计算召回精度，就像在单点云上做的那样。

如果我的想法是正确的，那么我的实验中存在一些问题：RGB 图像中的关键点可能在对应的深度图像中的值为零，因此，RGB 图像中实际匹配的关键点可能在变换后的点云中不匹配。

我怎样才能正确计算召回精度？

在我的 opencv 项目中，我尝试计算筛选特征，检测关键点并计算描述符。我知道它应该包含 4 个参数：X、Y、比例和方向。opencv关键点结构有pt（X，Y坐标）和角度（方向），但我不明白Scale参数在哪里！你能解释一下这个参数吗？

我正在研究一种应该从视频文件中的图像中识别对象的算法。目前，我想使用ORB（我知道SURF和SIFT更擅长这种工作，但我想根据我的结果做出这个肯定）。现在我有一个问题：当我运行我的程序时，在其中一张图像中，与另一张图像不同的区域中检测到关键点，并且几乎找不到任何匹配项。现在，在 OpenCV 2.4 中有 GridAdaptedFeatureDetector，这是一个允许您将源图像划分为网格并检测每个单元格中的点的类。但我使用的是 OpenCV 3.1(Visual Studio 2015)，它似乎消失了？请帮我找到解决方案。

所以几周后，我终于成功安装了 Dlib，但马上又遇到了另一个问题。

我下载并运行了他们的面部标志性检测器：http: //dlib.net/face_landmark_detection.py.html，虽然实际程序运行良好，但当我尝试在大图像上运行它时：

图片不适合我的屏幕：

实际键标提取器的代码在这里：

win.set_image()尽管梳理了 Dlib 文档，但在 ghe或win.add_overlay()函数中没有提及窗口大小。

如何让窗户变小？

参考这个问题的答案：

发生的情况是，您正在考虑在第二张图像中检测到的所有关键点来计算可重复性，实际上应该只使用单应性内的关键点。

我不明白如何获得

具有单应性的关键点

有人可以解释怎么做吗？

编辑：

实际上看evaluation.cpp我认为这个操作已经执行的代码。事实上，看：

默认情况下考虑这一点thresholdedOverlapMask=0。所以里面的部分if丢弃了单应性外面的点。那是对的吗？

我使用 dlib 和 numpy 来提取面部关键点列表。

代码：

结果： 如您所见，它运行良好。但是，我需要的不是蓝色对齐线，而是关键点和图像之间有编号的相关性，就像这样。如何用图像点覆盖 numpy 矩阵：

numpy.matrix([[p.x, p.y] for p in predictor(im, rects[0]).parts()])

在opencv图像上？我自己尝试过：

但它只是给了我一个空白的盒子，里面有一个红色的盒子。