问题标签 [object-recognition]

我有一辆玩具车，前面、后面和两边都有一个 arduino 和 4 个超声波测距仪传感器，如果在传感器覆盖的范围内存在的话，它们会给我到墙壁的距离，传感器给我简短的数据间隔，汽车必须在房间周围移动并绘制轮廓，房间可以有柱子并且有点不规则，我不知道这个绘图中涉及的算法，任何见解将不胜感激。

我需要能够通过 Microsoft Kinect 视频流检测各种彩色便利贴。我曾尝试使用 Emgucv 进行边缘检测，但它似乎无法定位顶点/边缘以及颜色分割/检测，但考虑到各种颜色可能不够稳健。

我正在尝试使用 HAAR 分类。任何人都可以建议使用最好的正面/负面图像。例如，对于正面图像，我应该在不同的照明条件和方向拍摄许多不同颜色的便利贴吗？看到它是一个非常简单的形状（正方形），使用 HAAR 分类会使事情变得过于复杂吗？

这是 Geoff Hinton 的 Matlab 代码的链接。
他为手写识别制作了这段代码。
我想要一个物体识别代码，所以我想用我自己的图像来训练它。我通过digit0.mat在文件中进行一些更改（加载我自己的图像数据集而不是）来做到这一点makebatches.m。
但是我在训练后找不到，从哪里以我自己的方式测试创建的神经网络？
有人可以通过查看代码来提供帮助吗？

我试图通过识别物体在相机图像上的标记来定位物体。我目前正在使用 ORB 特征检测器（即金字塔 FAST 检测器）和 BRISK 描述符。

我应该正确识别 12-16 个不同的标记（因为我还希望知道对象的方向，所以我会在每个对象上放置一个立方体或 3 面棱镜，并且我应该能够在单个场景中识别 4 个对象）。

我的问题是，我如何选择具有良好特征（可重复和独特）的标记？

附带问题：我是否以不好的方式处理这个问题？有没有更简单的解决方案？

谢谢

我正在开发一个增强现实游戏，它需要识别和跟踪快速移动的物体。我尝试了以下图像处理库，

1.OpenCV

2. BoofCv

3. 快速简历

我已经尝试过 TLD 算法来跟踪对象，跟踪是成功的，但性能确实需要改进。如果对象移动得更快，则结果需要时间，因为算法需要处理时间。我还尝试了带有 boofcv 的循环、均值偏移等算法。

检查这些演示：

使用 FastCv 的 OpenTLD

Boofcv 演示

这两个演示中的对象跟踪似乎很好，但计算需要时间。

我可以使用以下方案更快地做到这一点，

1. 提取待跟踪对象的 r,g,b 矩阵

2. 获取相机帧并将其转换为 ar,g,b 矩阵并在相机帧中搜索跟踪的对象矩阵。

有没有更好的方法来做到这一点？

我想知道是否可以使用 OpenCV 框架来识别建筑物？例如，如果我存储了一个建筑物的图像，是否可以使用 OpenCV 通过 iPhone 摄像头检测这个建筑物？

谢谢！

我正在使用CIFAR10数据集进行机器学习项目，并且正在寻找使用 Java 处理数据的最快方法。它由 60,000 张 32x32 彩色图像组成。图片为png格式。

我想将图像存储为原始像素（32x32x3），以便从每个图像中提取特征。

有什么建议么？

我正在尝试为我大学的机器人班实施一项任务。该项目的主要任务是使用 KUKA-youbot 机器人抓取杯子。

我发现它的主要问题是关于项目的视觉计算部分。更准确地说，我使用的是 Kinect（将安装在机器人手臂上），一开始我想用这个程序来找到杯子：

1. 开始之前给杯子拍照（真的很近）
2. 使用openCV从安装在机器人手臂上的kinect实时计算图像的关键点和实时图像的关键点。
3. 此时我可以使用 OpenCV 映射两个图像之间的关键点。
4. 使用同一时刻从 kinect 获取的 3d 点云图像实时映射图像的 2d 点。计算 3d 图像中的质心，从而知道杯子的位置。

问题是，如果实时图像接近（如 1 米），则关键点提取并将它们与其他对象映射效果很好，否则特别是如果场景中有其他对象，openCV 算法会检测其他重要特征和映射不起作用。

我正在使用这个：http ://docs.opencv.org/doc/tutorials/features2d/feature_homography/feature_homography.html

正如您在第一张照片中看到的那样，机器人靠近杯子，一切顺利， http ://postimg.org/image/byx8danpt/ 我们离杯子很远，没有任何效果。 http://postimg.org/image/9lhhzxk4z/

我想知道我的项目是否还有其他功能更强大的方法。也许是基于模型的东西，而不是像我最初的想法那样基于特征的东西。

谢谢卢卡

我们可以使用 hadoop 在多个图像上运行 SIFT 吗？

SIFT 在每个图像上花费约 1 秒来提取关键点及其描述符。考虑到每次运行都独立于其他运行，并且无法减少 1 次运行的运行时间，我们可以减少运行时间吗？

多线程将运行时间减少了您拥有的核心处理器数量的一个因子。我们可以在每个处理器上运行每个图像。

无论如何可以使用hadoop在多个图像上并行运行吗？如果是，假设我们有 3 个集群，它可以通过什么因素减少运行时间？

我在转换图像以进行颜色识别时遇到了一些问题。

该函数如下所示：

}

输出如下所示：

左边是输入。右边应该是相同的图像，转换为 HSV，在给定阈值之间进行过滤以找到黄色球，经过侵蚀和扩张以去除较小的轮廓，并以原始图像的一半大小显示。相反，它采用预期的图像并将其中 3 个压缩到同一空间中。

关于为什么会发生这种情况的任何猜测？

更新 1：

好的，因为似乎在右侧尺寸的图像上运行 findContours 仍然可以给我正确的输出，即可以将扭曲的 3 次复制的右侧图像的轮廓粘贴到左侧的右侧位置-side 输入图像，我决定只拍摄扭曲的图像并将其裁剪以用于显示目的。它只会用于在图像中查找给定 HSV 范围的轮廓，如果它可以达到这个目的，我很高兴。