问题标签 [orb]

我正在尝试计算图像数据库的 ORB（定向 FAST 和旋转简要）特征。nexr 任务是使用词袋方法来计算图像的最终特征。我的问题是，在某些情况下，我从数据库的图像中得到 0 个关键点（在 ORB 或 BRISK 实现中）。我的代码来自这里。

在这里可以做些什么，至少 orb 找到一个关键点？在这些情况下如何使用密集采样？

我想将 orb 功能保存到我从此代码中获得的数据库中：

我使用 json 代码来保存来自 Mat 特征的数据以及我从这里获得的代码：http: //answers.opencv.org/question/8873/best-way-to-store-a-mat-object-in- android/?answer=28608#post-id-28608

但是当我显示 json 字符串时，显示如下：

我不了解该数据，如何通过 DescriptorMatcher.BRUTEFORCE_HAMMING 计算？

我的项目是基于android的草药识别。我使用 ORB 来获取关键点、特征和匹配特征。

我想使用这个算法：

1. 我使用 4 个参考图像，并将它们的特征 image1 与 image1、1-2、1-3、1-4、2-3、3,4 匹配。
2. 然后我将到数据库的最小和最大距离存储为阈值。（最小阈值 = 总最小值/6）
3. 当我识别出新图像时，我会将新的最小和最大距离与数据库中的距离进行比较。但我不知道该怎么做。

{

从这个站点，我得到这个代码：

如何获得那个神奇的数字 3？我必须怎么做才能达到最大距离？

我想要使​​用的算法，我之前使用过使用不变矩和城市街区距离来匹配具有最小距离的图像。

我目前正在研究用于特征提取的 ORB 算法。默认情况下，描述符的大小为 32 字节，如论文中所述。但我需要检查描述符的性能，减少描述符大小，比如 16 个字节。我怎样才能做到这一点？

我正在使用 opencv 2.4.8。像这样声明 orb：

补丁大小不是意味着关键点周围应该有 (patchsize-1)/2 空间吗？

我在垂直和水平边距为 15 像素的坐标处提供关键点，但这样的位置无法生成描述符。

例如，对于 240x320 的图像，无法描述点 (15,15)，即使有足够的像素 (0,1,....14 -> 15 像素)。

我在许多论文中读到，在使用 ORB 特征处理特征匹配时需要使用汉明距离。我一直在 C++ 中的 opencv 中使用 BoW 模型，发现与使用 BruteForce 匹配器（Hamming 或 Hamming(2)）相比，如果我使用默认的 BruteForce 匹配器（使用 L2），我的分类准确度会更高。

为什么是这样？

我的印象是您不能使用 L2 范数，但它提供比使用汉明距离更好的分类精度。

给定两个转换为 cv::Mat 灰度的占用网格图，我使用 ORB 特征描述符并匹配从两个图像中提取的特征。其中大部分是误报。在下面，我只展示了一个关系来表明它确实是一个误报。

最终，我想要做的是在两个占用网格地图之间找到正确的转换，以便将它们的地图合并为一个全球一致的地图。我拥有的当前代码如下所示：

我正在尝试使用 ORB 检测关键点，一切都很好，直到我切换到 Opencv 2.4.9。

首先，似乎键的数量减少了，对于某些图像，没有检测到关键点：

这是我用两个版本编译的代码：（2.3.1 和 2.4.9）

结果：2.3.1：找到 152 个关键点

2.4.9 : 找到 0 个关键点

我还使用不同的 ORB 构造函数进行了测试，但我得到了相同的结果，没有 KPts。与 2.3.1 默认构造函数中相同的构造函数值： 2.4.9 自定义构造函数：

你知道发生了什么吗？我该如何解决？

谢谢你。

我想使用先前在图像中检测到的 ORB 特征位置来提取其他图像中的 ORB 描述符，使用较早确定的位置，从而绕过检测器。

我似乎无法获得检测到的特征的深层副本来处理，然后再传回以生成新的描述符。

1. 使用原始未触及的f1关键点为im_y图像作品生成描述符
2. 运行检测器两次以确定重复显然确实有效，但有点破解，我想对原始特征点进行一些处理。
3. 我在 OS X 10.8.5 上通过 macports 运行 Python 2.7.6、Opencv 2.4.8

代码：

我正在玩 OpenCVMixed Processing教程，在使用 FAST 检测器检测相机帧中的特征时，我体验到了良好的帧率（~27）。

我将检测器更改为 ORB，帧速率下降到 10 左右。这是因为 ORB 不如 FAST 快还是我遗漏了什么？

• 有没有办法调整 ORB 并加快速度？
• 比方说，是否可以每 5 帧进行一次检测？