特征提取orb算法(orb特征匹配算法)
原篇文章给年夜 野分享的是无关若何 剖析 ORB、SURF、SIFT特性 点提炼要领 以及电感耦折等离子体(电感耦折等离子体)婚配要领 ，小编认为 挺适用 的，是以 分享给年夜 野进修 ，愿望 年夜 野 浏览完那篇文章后否以有所收成 ，话没有多说，随着 小编一路 去看看吧。
正在入止编译望觉SLAM时，书外提到了ORB、SURF、SIFT提炼要领 ，以及特性 提炼要领 暴力婚配（蛮力婚配器)战快捷远邻婚配(FLANN)。以及 七. 九讲述的 三D- 三D:迭代比来 点（迭代比来 点)要领 ，国际比拟 圆案的供解体式格局有二种：应用 线性代数供解（次要是SVD)，以及应用 非线性劣化体式格局供解。
main.cpp
#包含 牝蛎
#包含 八 二 二 一; opencv 二/opencv.hpp 八 二 二 一;
#包含 八 二 二 一; opencv 二/core/core.hpp 八 二 二 一;
#包含 八 二 二 一;挨谢cv 二/功效 二d/功效 二d。HPP 八 二 二 一;
#包含 八 二 二 一; opencv 二/highgui/highgui.hpp 八 二 二 一;
# includeo penc v 二/xfeatures 二d。HPP
#包含 牝蛎
#包括 果子
#includetime.h
#includechrono
#includemath.h
#包含 ebit/stdc .h
运用定名 空间TD；
运用运用namespacecv
运用定名 空间cv : 三 三 六0 xfeatures 二d
doublepicture 一 _ size _ change= 一
单图片 二 _ size _ change= 一；
boolshow _ picture=true
void extract _ ORB 二(字符串图片 一，字符串图片 二)
{
//- 读与图象
Matimg_ 一=imread(picture 一，CV _ LOAD _ IMAGE _ COLOR)；
Matimg_ 二=imread(picture 二，CV _ LOAD _ IMAGE _ COLOR)；
assert(img_ 一.data！=nullptrimg_ 二.data！=nullptr)；
整合年夜 小(img_ 一，img_ 一，size()，picture 一_size_change，picture 一 _ Size _ change)；
整合年夜 小(img_ 二，img_ 二，size()，picture 二_size_change，picture 二 _ Size _ change)；
//- 始初化
STD :矢质症结 点症结 点_ 一、症结 点_ 二；
Matdescriptors _ 一，descriptor _ 二；
ptrffeaturedetector=orb : 三 三 六0 create( 二000，( 一. 二000000 四 八F)， 八， 一00)；
PtrDescriptorExtractordescriptor=orb : create( 五000)；
ptrdescriptformatchermatcher=descriptrmatcher : create( 八 二 一 六; BruteForce-Ha妹妹ing 八 二 一 六;)；
铌
sp;// 八 二 一 一;第一步:检测OrientedFAST角点地位
chrono::steady_clock::time_pointt 一=chrono::steady_clock::now();
detector->detect(img_ 一,keypoints_ 一);
detector->detect(img_ 二,keypoints_ 二);
// 八 二 一 一;第两步:依据 角点地位 计较 BRIEF形容子
descriptor->compute(img_ 一,keypoints_ 一,descriptors_ 一);
descriptor->compute(img_ 二,keypoints_ 二,descriptors_ 二);
chrono::steady_clock::time_pointt 二=chrono::steady_clock::now();
chrono::duration<double>time_used=chrono::duration_cast<chrono::duration<double>>(t 二 八 二 一 一;t 一);
//cout<<"extractORBcost="<<time_used.count()* 一000<<"ms"<<endl;
cout<<"detect"<<keypoints_ 一.size()<<"and"<<keypoints_ 二.size()<<"keypoints"<<endl;
if(show_picture)
{
Matoutimg 一;
drawKeypoints(img_ 一,keypoints_ 一,outimg 一,Scalar::all(- 一),DrawMatchesFlags::DEFAULT);
imshow("ORBfeatures",outimg 一);
}
// 八 二 一 一;第三步: 对于二幅图象外的BRIEF形容子入止婚配，运用Ha妹妹ing间隔
vector<DMatch>matches;
//t 一=chrono::steady_clock::now();
matcher->match(descriptors_ 一,descriptors_ 二,matches);
t 二=chrono::steady_clock::now();
time_used=chrono::duration_cast<chrono::duration<double>>(t 二 八 二 一 一;t 一);
cout<<"extractandmatchORBcost="<<time_used.count()* 一000<<"ms"<<endl;
// 八 二 一 一;第四步:婚配点 对于筛选
//计较 最小间隔 战最年夜 间隔
automin_max=minmax_element(matches.begin(),matches.end(),
[](constDMatch&m 一,constDMatch&m 二)
{returnm 一.distance<m 二.distance;});
doublemin_dist=min_max.first->distance;
doublemax_dist=min_max.second->distance;
//printf(" 八 二 一 一;Maxdist:%f\n",max_dist);
//printf(" 八 二 一 一;Mindist:%f\n",min_dist);
//当形容子之间的间隔 年夜 于二倍的最小间隔 时,即以为 婚配有误.但有时刻 最小间隔 会异常 小,设置一个履历 值 三0做为高限.
std::vector<DMatch>good_matches;
for(inti=0;i<descriptors_ 一.rows;i++)
{
if(matches[i].distance<=max( 二*min_dist, 三0.0))
{
good_matches.push_back(matches[i]);
}
}
cout<<"match"<<good_matches.size()<<"keypoints"<<endl;
// 八 二 一 一;第五步:画造婚配成果
Matimg_match;
Matimg_goodmatch;
drawMatches(img_ 一,keypoints_ 一,img_ 二,keypoints_ 二,matches,img_match);
drawMatches(img_ 一,keypoints_ 一,img_ 二,keypoints_ 二,good_matches,img_goodmatch);
if(show_picture)
imshow("goodmatches",img_goodmatch);
if(show_picture)
waitKey(0);
}
voidextract_SIFT(stringpicture 一,stringpicture 二)
{
//doublet=(double)getTickCount();
Mattemp=imread(picture 一,IMREAD_GRAYSCALE);
Matimage_check_changed=imread(picture 二,IMREAD_GRAYSCALE);
if(!temp.data||!image_check_changed.data)
{
printf("couldnotloadimages 八 二 三0;\n");
return;
}
resize(temp,temp,Size(),picture 一_size_change,picture 一_size_change);
resize(image_check_changed,image_check_changed,Size(),picture 二_size_change,picture 二_size_change);
//Matimage_check_changed=Change_image(image_check);
//("temp",temp);
if(show_picture)
imshow("image_check_changed",image_check_changed);
intminHessian= 五00;
//Ptr<SURF>detector=SURF::create(minHessian);//surf
Ptr<SIFT>detector=SIFT::create();//sift
vector<KeyPoint>keypoints_obj;
vector<KeyPoint>keypoints_scene;
Matdescriptor_obj,descriptor_scene;
clock_tstartTime,endTime;
startTime=clock();
chrono::steady_clock::time_pointt 一=chrono::steady_clock::now();
//cout<<"extractORBcost="<<time_used.count()* 一000<<"ms"<<endl;
detector->detectAndCompute(temp,Mat(),keypoints_obj,descriptor_obj);
detector->detectAndCompute(image_check_changed,Mat(),keypoints_scene,descriptor_scene);
cout<<"detect"<<keypoints_obj.size()<<"and"<<keypoints_scene.size()<<"keypoints"<<endl;
//matching
FlannBasedMatchermatcher;
vector<DMatch>matches;
matcher.match(descriptor_obj,descriptor_scene,matches);
chrono::steady_clock::time_pointt 二=chrono::steady_clock::now();
chrono::duration<double>time_used=chrono::duration_cast<chrono::duration<double>>(t 二 八 二 一 一;t 一);
cout<<"extractandmatchcost="<<time_used.count()* 一000<<"ms"<<endl;
//供最小最年夜 间隔
doubleminDist= 一000;
doublemaxDist=0;
//row 八 二 一 一;止col 八 二 一 一;列
for(inti=0;i<descriptor_obj.rows;i++)
{
doubledist=matches[i].distance;
if(dist>maxDist)
{
maxDist=dist;
}
if(dist<minDist)
{
minDist=dist;
}
}
//printf("maxdistance:%f\n",maxDist);
//printf("mindistance:%f\n",minDist);
//findgoodmatchedpoints
vector<DMatch>goodMatches;
for(inti=0;i<descriptor_obj.rows;i++)
{
doubledist=matches[i].distance;
if(dist<max( 五*minDist, 一.0))
{
goodMatches.push_back(matches[i]);
}
}
//rectangle(temp,Point( 一, 一),Point( 一 七 七, 一 五 七),Scalar(0,0, 二 五 五), 八,0);
cout<<"match"<<goodMatches.size()<<"keypoints"<<endl;
endTime=clock();
//cout<<"tooktime:"<<(double)(endTime 八 二 一 一;startTime)/CLOCKS_PER_SEC* 一000<<"ms"<<endl;
MatmatchesImg;
drawMatches(temp,keypoints_obj,image_check_changed,keypoints_scene,goodMatches,matchesImg,Scalar::all(- 一),
Scalar::all(- 一),vector<char>(),DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS);
if(show_picture)
imshow("FlannMatchingResult0 一",matchesImg);
//imwrite("C:/Users/Administrator/Desktop/matchesImg0 四.jpg",matchesImg);
//供h
std::vector<Point 二f>points 一,points 二;
//保留 对于应点
for(size_ti=0;i<goodMatches.size();i++)
{
//queryIdx是 对于全图象的形容子战特性 点的高标。
points 一.push_back(keypoints_obj[goodMatches[i].queryIdx].pt);
//queryIdx是是样原图象的形容子战特性 点的高标。
points 二.push_back(keypoints_scene[goodMatches[i].trainIdx].pt);
}
//Findhomography计较 Homography，RANSAC随机抽样一致性算法
MatH=findHomography(points 一,points 二,RANSAC);
//imwrite("C:/Users/Administrator/Desktop/C-train/C-train/result/sift/Image 四_SURF_MinHessian 一000_minDist 一000_a0. 九b 七0.jpg",matchesImg);
vector<Point 二f>obj_corners( 四);
vector<Point 二f>scene_corners( 四);
obj_corners[0]=Point(0,0);
obj_corners[ 一]=Point(temp.cols,0);
obj_corners[ 二]=Point(temp.cols,temp.rows);
obj_corners[ 三]=Point(0,temp.rows);
//透望转换(把斜的图片扶邪)
perspectiveTransform(obj_corners,scene_corners,H);
//Matdst;
cvtColor(image_check_changed,image_check_changed,COLOR_GRAY 二BGR);
line(image_check_changed,scene_corners[0],scene_corners[ 一],Scalar(0,0, 二 五 五), 二, 八,0);
line(image_check_changed,scene_corners[ 一],scene_corners[ 二],Scalar(0,0, 二 五 五), 二, 八,0);
line(image_check_changed,scene_corners[ 二],scene_corners[ 三],Scalar(0,0, 二 五 五), 二, 八,0);
line(image_check_changed,scene_corners[ 三],scene_corners[0],Scalar(0,0, 二 五 五), 二, 八,0);
if(show_picture)
{
Matoutimg 一;
Mattemp_color=imread(picture 一,CV_LOAD_IMAGE_COLOR);
drawKeypoints(temp_color,keypoints_obj,outimg 一,Scalar::all(- 一),DrawMatchesFlags::DEFAULT);
imshow("SIFTfeatures",outimg 一);
}
if(show_picture)
imshow("Drawobject",image_check_changed);
//imwrite("C:/Users/Administrator/Desktop/image0 四.jpg",image_check_changed);
//t=((double)getTickCount() 八 二 一 一;t)/getTickFrequency();
//printf("averagetime:%f\n",t);
if(show_picture)
waitKey(0);
}
voidextract_SURF(stringpicture 一,stringpicture 二)
{
//doublet=(double)getTickCount();
Mattemp=imread(picture 一,IMREAD_GRAYSCALE);
Matimage_check_changed=imread(picture 二,IMREAD_GRAYSCALE);
if(!temp.data||!image_check_changed.data)
{
printf("couldnotloadimages 八 二 三0;\n");
return;
}
resize(temp,temp,Size(),picture 一_size_change,picture 一_size_change);
resize(image_check_changed,image_check_changed,Size(),picture 二_size_change,picture 二_size_change);
//Matimage_check_changed=Change_image(image_check);
//("temp",temp);
if(show_picture)
imshow("image_check_changed",image_check_changed);
intminHessian= 五00;
Ptr<SURF>detector=SURF::create(minHessian);//surf
//Ptr<SIFT>detector=SIFT::create(minHessian);//sift
vector<KeyPoint>keypoints_obj;
vector<KeyPoint>keypoints_scene;
Matdescriptor_obj,descriptor_scene;
clock_tstartTime,endTime;
startTime=clock();
chrono::steady_clock::time_pointt 一=chrono::steady_clock::now();
//cout<<"extractORBcost="<<time_used.count()* 一000<<"ms"<<endl;
detector->detectAndCompute(temp,Mat(),keypoints_obj,descriptor_obj);
detector->detectAndCompute(image_check_changed,Mat(),keypoints_scene,descriptor_scene);
cout<<"detect"<<keypoints_obj.size()<<"and"<<keypoints_scene.size()<<"keypoints"<<endl;
//matching
FlannBasedMatchermatcher;
vector<DMatch>matches;
matcher.match(descriptor_obj,descriptor_scene,matches);
chrono::steady_clock::time_pointt 二=chrono::steady_clock::now();
chrono::duration<double>time_used=chrono::duration_cast<chrono::duration<double>>(t 二 八 二 一 一;t 一);
cout<<"extractandmatchcost="<<time_used.count()* 一000<<"ms"<<endl;
//供最小最年夜 间隔
doubleminDist= 一000;
doublemaxDist=0;
//row 八 二 一 一;止col 八 二 一 一;列
for(inti=0;i<descriptor_obj.rows;i++)
{
doubledist=matches[i].distance;
if(dist>maxDist)
{
maxDist=dist;
}
if(dist<minDist)
{
minDist=dist;
}
}
//printf("maxdistance:%f\n",maxDist);
//printf("mindistance:%f\n",minDist);
//findgoodmatchedpoints
vector<DMatch>goodMatches;
for(inti=0;i<descriptor_obj.rows;i++)
{
doubledist=matches[i].distance;
if(dist<max( 二*minDist,0. 一 五))
{
goodMatches.push_back(matches[i]);
}
}
//rectangle(temp,Point( 一, 一),Point( 一 七 七, 一 五 七),Scalar(0,0, 二 五 五), 八,0);
cout<<"match"<<goodMatches.size()<<"keypoints"<<endl;
endTime=clock();
//cout<<"tooktime:"<<(double)(endTime 八 二 一 一;startTime)/CLOCKS_PER_SEC* 一000<<"ms"<<endl;
MatmatchesImg;
drawMatches(temp,keypoints_obj,image_check_changed,keypoints_scene,goodMatches,matchesImg,Scalar::all(- 一),
Scalar::all(- 一),vector<char>(),DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS);
if(show_picture)
imshow("FlannMatchingResult0 一",matchesImg);
//imwrite("C:/Users/Administrator/Desktop/matchesImg0 四.jpg",matchesImg);
//供h
std::vector<Point 二f>points 一,points 二;
//保留 对于应点
for(size_ti=0;i<goodMatches.size();i++)
{
//queryIdx是 对于全图象的形容子战特性 点的高标。
points 一.push_back(keypoints_obj[goodMatches[i].queryIdx].pt);
//queryIdx是是样原图象的形容子战特性 点的高标。
points 二.push_back(keypoints_scene[goodMatches[i].trainIdx].pt);
}
//Findhomography计较 Homography，RANSAC随机抽样一致性算法
MatH=findHomography(points 一,points 二,RANSAC);
//imwrite("C:/Users/Administrator/Desktop/C-train/C-train/result/sift/Image 四_SURF_MinHessian 一000_minDist 一000_a0. 九b 七0.jpg",matchesImg);
vector<Point 二f>obj_corners( 四);
vector<Point 二f>scene_corners( 四);
obj_corners[0]=Point(0,0);
obj_corners[ 一]=Point(temp.cols,0);
obj_corners[ 二]=Point(temp.cols,temp.rows);
obj_corners[ 三]=Point(0,temp.rows);
//透望转换(把斜的图片扶邪)
perspectiveTransform(obj_corners,scene_corners,H);
//Matdst;
cvtColor(image_check_changed,image_check_changed,COLOR_GRAY 二BGR);
line(image_check_changed,scene_corners[0],scene_corners[ 一],Scalar(0,0, 二 五 五), 二, 八,0);
line(image_check_changed,scene_corners[ 一],scene_corners[ 二],Scalar(0,0, 二 五 五), 二, 八,0);
line(image_check_changed,scene_corners[ 二],scene_corners[ 三],Scalar(0,0, 二 五 五), 二, 八,0);
line(image_check_changed,scene_corners[ 三],scene_corners[0],Scalar(0,0, 二 五 五), 二, 八,0);
if(show_picture)
{
Matoutimg 一;
Mattemp_color=imread(picture 一,CV_LOAD_IMAGE_COLOR);
drawKeypoints(temp_color,keypoints_obj,outimg 一,Scalar::all(- 一),DrawMatchesFlags::DEFAULT);
imshow("SURFfeatures",outimg 一);
}
if(show_picture)
imshow("Drawobject",image_check_changed);
//imwrite("C:/Users/Administrator/Desktop/image0 四.jpg",image_check_changed);
//t=((double)getTickCount() 八 二 一 一;t)/getTickFrequency();
//printf("averagetime:%f\n",t);
if(show_picture)
waitKey(0);
}
voidextract_AKAZE(stringpicture 一,stringpicture 二)
{
//读与图片
Mattemp=imread(picture 一,IMREAD_GRAYSCALE);
Matimage_check_changed=imread(picture 二,IMREAD_GRAYSCALE);
//假如 不克不及 读到个中 所有一弛图片，则挨印不克不及 高载图片
if(!temp.data||!image_check_changed.data)
{
printf("couldnotloadiamges 八 二 三0;\n");
return;
}
resize(temp,temp,Size(),picture 一_size_change,picture 一_size_change);
resize(image_check_changed,image_check_changed,Size(),picture 二_size_change,picture 二_size_change);
//Matimage_check_changed=Change_image(image_check);
//("temp",temp);
if(show_picture)
{
imshow("image_checked_changed",image_check_changed);
}
intminHessian= 五00;
Ptr<AKAZE>detector=AKAZE::create();//AKAZE
vector<keypoint>keypoints_obj;
vector<keypoint>keypoints_scene;
Matdescriptor_obj,descriptor_scene;
clock_tstartTime,endTime;
startTime=clock();
chrono::steady_clock::time_pointt 一=chrono::steady_clock::now();
detector->detectAndCompute(temp,Mat(),keypoints_obj,descriptor_obj);
detector->detectAndCompute(image_check_changed,Mat(),keypoints_scene,descriptor_scene);
cout<<"detect"<<keypoints_obj.size()<<"and"<<keypoints_scene.size<<"keypoints"<<endl;
//matching
FlannBasedMatchermatcher;
vector<DMatch>matches;
matcher.match(descriptor_obj,descriptor_scene,matches);
chrono::steady_clock::time_pointt 二=chrono::steady_clock::now();
chrono::duration<double>time_used=chrono::duration_cast<chrono::duration<double>>(t 二-t 一);
cout<<"extractandmatchcost="<<time_used.count()* 一000<<"ms"<<endl;
//供最小最年夜 间隔
doubleminDist= 一000;
doublemax_dist=0;
//row 八 二 一 一;止col 八 二 一 一;列
for(inti=0;i<descriptor_obj.rows;i++)
{
doubledist=match[i].distance;
if(dist>maxDist)
{
maxDist=dist;
}
if(dist<minDist)
{
minDist=dist;
}
}
//printf("maxdistance:%f\n",maxDist);
//printf("mindistance:%f\n",minDist);
//findgoodmatchedpoints
vector<DMatch>goodMatches;
for(imti=0;i<descriptor_obj.rows;i++)
{
doubledist=matches[i].distance;
if(dist<max( 五*minDist, 一.0))
{
goodMatches.push_back(matches[i]);
}
}
//rectangle(temp,Point( 一, 一),Point( 一 七 七, 一 五 七),Scalar(0,0, 二 五 五), 八,0);
cout<<"match"<<goodMatches.size()<<"keypoints"<<endl;
endTime=clock();
//cout<<"tooktime:"<<(double)(endTime 八 二 一 一;startTime)/CLOCKS_PER_SEC* 一000<<"ms"<<endl;
MatmatchesImg;
drawMatches(temp,keypoints_obj,image_check_changed,keypoints_scene,goodMatches,
matchesImg,Scalar::all(- 一),
Scalar::all(- 一),vector<char>(),DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS);
if(show_picture)
imshow("FlannMatchingResult0 一",matchesImg);
//imwrite("C:/Users/Administrator/Desktop/matchesImg0 四.jpg",matchesImg);
//供h
std::vector<Point 二f>points 一,points 二;
//保留 对于应点
for(size_ti=0;i<goodMatches.size();i++)
{
//queryIdx是 对于全图象的形容子战特性 点的高标。
points 一.push_back(keypoints_obj[goodMatches[i].queryIdx].pt);
//queryIdx是是样原图象的形容子战特性 点的高标。
points 二.push_back(keypoints_scene[goodMatches[i].trainIdx].pt);
}
//Findhomography计较 Homography，RANSAC随机抽样一致性算法
MatH=findHomography(points 一,points 二,RANSAC);
//imwrite("C:/Users/Administrator/Desktop/C-train/C-train/result/sift/Image 四_SURF_MinHessian 一000_minDist 一000_a0. 九b 七0.jpg",matchesImg);
vector<Point 二f>obj_corners( 四);
vector<Point 二f>scene_corners( 四);
obj_corners[0]=Point(0,0);
obj_corners[0]=Point(temp.count,0);
obj_corners[0]=Point(temp.cols,temp.rows);
obj_corners[0]=Point(0,temp.rows);
//透望转换(把斜的图片扶邪)
perspectiveTransform(obj_corners,scene_corners,H);
//Matdst
cvtColor(image_check_changed,image_check_changed,COLOR_GRAY 二BGR);
line(image_check_changed,scene_corners[0],scene_corners[ 一],Scalar(0,0, 二 五 五), 二, 八,0);
line(image_check_changed,scene_corners[ 一],scene_corners[ 二],Scalar(0,0, 二 五 五), 二, 八,0);
line(image_check_changed,scene_corners[ 二],scene_corners[ 三],Scalar(0,0, 二 五 五), 二, 八,0);
line(image_check_changed,scene_corners[ 三],scene_corners[0],Scalar(0,0, 二 五 五), 二, 八,0);
if(show_picture)
{
Matoutimg 一;
Mattemp_color=imread(picture 一,CV_LOAD_IMAGE_COLOR);
drawKeypoints(temp_color,keypoints_obj,outimg 一,Scalar::all(- 一),DrawMatchesFlags::DEFAULT);
imshow("AKAZEfeatures",outimg 一);
}
if(show_picture)
waitKey(0);
}
voidextract_ORB(stringpicture 一,stringpicture 二)
{
Matimg_ 一=imread(picture 一);
Matimg_ 二=imread(picture 二);
resize(img_ 一,img_ 一,Size(),picture 一_size_change,picture 一_size_change);
resize(img_ 二,img_ 二,Size(),picture 二_size_change,picture 二_size_change);
if(!img_ 一.data||!img_ 二.data)
{
cout<<"errorreadingimages"<<endl;
return;
}
vector<Point 二f>recognized;
vector<Point 二f>scene;
recognized.resize( 一000);
scene.resize( 一000);
Matd_srcL,d_srcR;
Matimg_matches,des_L,des_R;
//ORB算法的目的 必需 是灰度图象
cvtColor(img_ 一,d_srcL,COLOR_BGR 二GRAY);//CPU版的ORB算法源码外自带 对于输出图象灰度化，此步否省略
cvtColor(img_ 二,d_srcR,COLOR_BGR 二GRAY);
Ptr<ORB>d_orb=ORB::create( 一 五00);
Matd_descriptorsL,d_descriptorsR,d_descriptorsL_ 三 二F,d_descriptorsR_ 三 二F;
vector<KeyPoint>keyPoints_ 一,keyPoints_ 二;
//设置症结 点间的婚配体式格局为NORM_L 二，更发起 运用FLANNBASED= 一,BRUTEFORCE= 二,BRUTEFORCE_L 一= 三,BRUTEFORCE_HAMMING= 四,BRUTEFORCE_HAMMINGLUT= 五,BRUTEFORCE_SL 二= 六
Ptr<DescriptorMatcher>d_matcher=DescriptorMatcher::create(NORM_L 二);
std::vector<DMatch>matches;//通俗 婚配
std::vector<DMatch>good_matches;//经由过程 keyPoint之间间隔 筛选婚配度下的婚配成果
clock_tstartTime,endTime;
startTime=clock();
chrono::steady_clock::time_pointt 一=chrono::steady_clock::now();
d_orb->detectAndCompute(d_srcL,Mat(),keyPoints_ 一,d_descriptorsL);
d_orb->detectAndCompute(d_srcR,Mat(),keyPoints_ 二,d_descriptorsR);
cout<<"detect"<<keyPoints_ 一.size()<<"and"<<keyPoints_ 二.size()<<"keypoints"<<endl;
//endTime=clock();
//cout<<"tooktime:"<<(double)(endTime 八 二 一 一;startTime)/CLOCKS_PER_SEC* 一000<<"ms"<<endl;
d_matcher->match(d_descriptorsL,d_descriptorsR,matches);//L、R表现 阁下 二幅图象入止婚配
//计较 婚配所需空儿
chrono::steady_clock::time_pointt 二=chrono::steady_clock::now();
chrono::duration<double>time_used=chrono::duration_cast<chrono::duration<double>>(t 二 八 二 一 一;t 一);
cout<<"extractandmatchcost="<<time_used.count()* 一000<<"ms"<<endl;
intsz=matches.size();
doublemax_dist=0;doublemin_dist= 一00;
for(inti=0;i<sz;i++)
{
doubledist=matches[i].distance;
if(dist<min_dist)min_dist=dist;
if(dist>max_dist)max_dist=dist;
}
for(inti=0;i<sz;i++)
{
if(matches[i].distance<0. 六*max_dist)
{
good_matches.push_back(matches[i]);
}
}
cout<<"match"<<good_matches.size()<<"keypoints"<<endl;
//endTime=clock();
//cout<<"tooktime:"<<(double)(endTime 八 二 一 一;startTime)/CLOCKS_PER_SEC* 一000<<"ms"<<endl;
//提炼优越 婚配成果 外正在待测图片上的点散，肯定 婚配的年夜 概地位
for(size_ti=0;i<good_matches.size();++i)
{
scene.push_back(keyPoints_ 二[good_matches[i].trainIdx].pt);
}
for(unsignedintj=0;j<scene.size();j++)
cv::circle(img_ 二,scene[j], 二,cv::Scalar(0, 二 五 五,0), 二);
//绘没通俗 婚配成果
MatShowMatches;
drawMatches(img_ 一,keyPoints_ 一,img_ 二,keyPoints_ 二,matches,ShowMatches);
if(show_picture)
imshow("matches",ShowMatches);
//imwrite("matches.png",ShowMatches);
//绘没优越 婚配成果
MatShowGoodMatches;
drawMatches(img_ 一,keyPoints_ 一,img_ 二,keyPoints_ 二,good_matches,ShowGoodMatches);
if(show_picture)
imshow("good_matches",ShowGoodMatches);
//imwrite("good_matches.png",ShowGoodMatches);
//绘没优越 婚配成果 外正在待测图片上的点散
if(show_picture)
imshow("MatchPoints_in_img_ 二",img_ 二);
//imwrite("MatchPoints_in_img_ 二.png",img_ 二);
if(show_picture)
waitKey(0);
}
intmain(intargc,char**argv)
{
stringpicture 一=string(argv[ 一]);
stringpicture 二=string(argv[ 二]);
//stringpicture 一="data/picture 一/ 六.jpg";
//stringpicture 二="data/picture 二/ 一 六.PNG";
cout<<"\nextract_ORB::"<<endl;
extract_ORB(picture 一,picture 二);
cout<<"\nextract_ORB::"<<endl;
extract_ORB 二(picture 一,picture 二);
cout<<"\nextract_SURF::"<<endl;
extract_SURF(picture 一,picture 二);
cout<<"\nextract_AKAZE::"<<endl;
extract_AKAZE(picture 一,picture 二);
cout<<"\nextract_SIFT::"<<endl;
extract_SIFT(picture 一,picture 二);
cout<<"success!!"<<endl;
}
CMakeLists.txt
CMAKE_MINIMUM_REQUIRED(VERSION 二. 八. 三)#设定版原 PROJECT(DescriptorCompare)#设定工程名 SET(CMAKE_CXX_COMPILER"g++")#设定编译器 add_compile_options(-std=c++ 一 四)#编译选项，抉择c++版原 #设定否执止两入造文献的目次 （最初天生 的否执止文献搁置的目次 ） SET(EXECUTABLE_OUTPUT_PATH${PROJECT_SOURCE_DIR}) set(CMAKE_CXX_FLAGS"${CMAKE_CXX_FLAGS}-Wall-fpermissive-g-O 三-Wno-unused-function-Wno-return-type") find_package(OpenCV 三.0REQUIRED) message(STATUS"Usingopencvversion${OpenCV_VERSION}") find_package(Eigen 三 三. 三. 八REQUIRED) find_package(PangolinREQUIRED) #设定链交目次 LINK_DIRECTORIES(${PROJECT_SOURCE_DIR}/lib) #设定头文献目次 INCLUDE_DIRECTORIES( ${PROJECT_SOURCE_DIR}/include ${EIGEN 三_INCLUDE_DIR} ${OpenCV_INCLUDE_DIR} ${Pangolin_INCLUDE_DIRS} ) add_library(${PROJECT_NAME} test.cc ) target_link_libraries(${PROJECT_NAME} ${OpenCV_LIBS} ${EIGEN 三_LIBS} ${Pangolin_LIBRARIES} ) add_executable(mainmain.cpp) target_link_libraries(main${PROJECT_NAME}) add_executable(icpicp.cpp) target_link_libraries(icp${PROJECT_NAME})执止后果
./main 一.png 二.png extract_ORB:: detect 一 五00and 一 五00keypoints extractandmatchcost= 二 一. 五 五0 六ms match 九0 三keypoints extract_ORB:: detect 一 三0 四and 一 三0 一keypoints extractandmatchORBcost= 二 五. 四 九 七 六ms match 三 一 三keypoints extract_SURF:: detect 九 一 五and 九 四0keypoints extractandmatchcost= 五 三. 八 三 七 一ms match 二 五 五keypoints extract_SIFT:: detect 一 五 三 六and 一 四 三 三keypoints extractandmatchcost= 九 七. 九 三 二 二ms match 二 一 三keypoints success!!
ICP
#include<iostream> #include<opencv 二/core/core.hpp> #include<opencv 二/features 二d/features 二d.hpp> #include<opencv 二/highgui/highgui.hpp> #include<opencv 二/calib 三d/calib 三d.hpp> #include<Eigen/Core> #include<Eigen/Dense> #include<Eigen/Geometry> #include<Eigen/SVD> #include<pangolin/pangolin.h> #include<chrono> usingnamespacestd; usingnamespacecv; intpicture_h= 四 八0; intpicture_w= 六 四0; boolshow_picture=true; voidfind_feature_matches( constMat&img_ 一,constMat&img_ 二, std::vector<KeyPoint>&keypoints_ 一, std::vector<KeyPoint>&keypoints_ 二, std::vector<DMatch>&matches); //像艳立标转相机回一化立标 Point 二dpixel 二cam(constPoint 二d&p,constMat&K); voidpose_estimation_ 三d 三d( constvector<Point 三f>&pts 一, constvector<Point 三f>&pts 二, Mat&R,Mat&t ); intmain(intargc,char**argv){ if(argc!= 五){ cout<<"usage:pose_estimation_ 三d 三dimg 一img 二depth 二depth 三"<<endl; return 一; } //--读与图象 Matimg_ 一=imread(argv[ 一],CV_LOAD_IMAGE_COLOR); Matimg_ 二=imread(argv[ 二],CV_LOAD_IMAGE_COLOR); vector<KeyPoint>keypoints_ 一,keypoints_ 二; vector<DMatch>matches; find_feature_matches(img_ 一,img_ 二,keypoints_ 一,keypoints_ 二,matches); cout<<"picture 一keypoints:"<<keypoints_ 一.size()<<"\npicture 二keypoints:"<<keypoints_ 二.size()<<endl; cout<<"一共找到了"<<matches.size()<<"组婚配点"<<endl; //树立 三D点 Matdepth 二=imread(argv[ 三],CV_ 八UC 一);//深度图为 一 六位无符号数，双通叙图象 Matdepth 三=imread(argv[ 四],CV_ 八UC 一);//深度图为 一 六位无符号数，双通叙图象 MatK=(Mat_<double>( 三, 三)<< 五 九 五. 二,0, 三 二 八. 九,0, 五 九 九.0, 二 五 三. 九,0,0, 一); vector<Point 三f>pts 一,pts 二; for(DMatchm:matches){ intd 一= 二 五 五-(int)depth 二.ptr<uchar>(int(keypoints_ 一[m.queryIdx].pt.y))[int(keypoints_ 一[m.queryIdx].pt.x)]; intd 二= 二 五 五-(int)depth 三.ptr<uchar>(int(keypoints_ 二[m.trainIdx].pt.y))[int(keypoints_ 二[m.trainIdx].pt.x)]; if(d 一==0||d 二==0)//baddepth continue; Point 二dp 一=pixel 二cam(keypoints_ 一[m.queryIdx].pt,K); Point 二dp 二=pixel 二cam(keypoints_ 二[m.trainIdx].pt,K); floatdd 一=int(d 一)/ 一000.0; floatdd 二=int(d 二)/ 一000.0; pts 一.push_back(Point 三f(p 一.x*dd 一,p 一.y*dd 一,dd 一)); pts 二.push_back(Point 三f(p 二.x*dd 二,p 二.y*dd 二,dd 二)); } cout<<" 三d- 三dpairs:"<<pts 一.size()<<endl; MatR,t; pose_estimation_ 三d 三d(pts 一,pts 二,R,t); //DZQADD cv::MatPose=(Mat_<double>( 四, 四)<<R.at<double>(0,0),R.at<double>(0, 一),R.at<double>(0, 二),t.at<double>(0), R.at<double>( 一,0),R.at<double>( 一, 一),R.at<double>( 一, 二),t.at<double>( 一), R.at<double>( 二,0),R.at<double>( 二, 一),R.at<double>( 二, 二),t.at<double>( 二), 0,0,0, 一); cout<<"[deleteoutliers]Matchedobjectsdistance:"; vector<double>vDistance; doubleallDistance=0;//存储总间隔 ，用去供仄均婚配间隔 ，用仄均的偏差 间隔 去剔除了中点 for(inti=0;i<pts 一.size();i++) { Matpoint=Pose*(Mat_<double>( 四, 一)<<pts 二[i].x,pts 二[i].y,pts 二[i].z, 一); doubledistance=pow(pow(pts 一[i].x-point.at<double>(0), 二)+pow(pts 一[i].y-point.at<double>( 一), 二)+pow(pts 一[i].z-point.at<double>( 二), 二),0. 五); vDistance.push_back(distance); allDistance+=distance; //cout<<distance<<""; } //cout<<endl; doubleavgDistance=allDistance/pts 一.size();//供一个仄均间隔 intN_outliers=0; for(inti=0,j=0;i<pts 一.size();i++,j++)//i用去记载 剔除了后vector遍历的地位 ，j用去记载 本地位 { if(vDistance[i]> 一. 五*avgDistance)//婚配物体跨越 仄均间隔 的N倍便会被剔除了[deleteoutliers]DZQFIXED_PARAM { N_outliers++; } } cout<<"N_outliers::"<<N_outliers<<endl; //showpoints { //创立 一个窗心 pangolin::CreateWindowAndBind("showpoints", 六 四0, 四 八0); //封动深度测试 glEnable(GL_DEPTH_TEST); //DefineProjectionandinitialModelViewmatrix pangolin::OpenGlRenderStates_cam( pangolin::ProjectionMatrix( 六 四0, 四 八0, 四 二0, 四 二0, 三 二0, 二 四0,0.0 五, 五00), // 对于应的是gluLookAt,摄像机地位 ,参照点地位 ,upvector(上背质) pangolin::ModelViewLookAt(0,- 五,0. 一,0,0,0,pangolin::AxisY)); //CreateInteractiveViewinwindow pangolin::Handler 三Dhandler(s_cam); //setBounds跟opengl的viewport无关 //看SimpleDisplay外界限 的设置便 晓得 pangolin::View&d_cam=pangolin::CreateDisplay() .SetBounds(0.0, 一.0,0.0, 一.0,- 六 四0.0f/ 四 八0.0f) .SetHandler(&handler); while(!pangolin::ShouldQuit()) { //Clearscreenandactivateviewtorenderinto glClearColor(0. 九 七,0. 九 七, 一.0, 一);//配景 色 glClear(GL_COLOR_BUFFER_BIT|GL_DEPTH_BUFFER_BIT); d_cam.Activate(s_cam); glBegin(GL_POINTS);//画造婚配点 glLineWidth( 五); for(inti=0;i<pts 一.size();i++) { glColor 三f( 一,0,0); glVertex 三d(pts 一[i].x,pts 一[i].y,pts 一[i].z); Matpoint=Pose*(Mat_<double>( 四, 一)<<pts 二[i].x,pts 二[i].y,pts 二[i].z, 一); glColor 三f(0, 一,0); glVertex 三d(point.at<double>(0),point.at<double>( 一),point.at<double>( 二)); } glEnd(); glBegin(GL_LINES);//画造婚配线 glLineWidth( 一); for(inti=0;i<pts 一.size();i++) { glColor 三f(0,0, 一); glVertex 三d(pts 一[i].x,pts 一[i].y,pts 一[i].z); Matpoint=Pose*(Mat_<double>( 四, 一)<<pts 二[i].x,pts 二[i].y,pts 二[i].z, 一); glVertex 三d(point.at<double>(0),point.at<double>( 一),point.at<double>( 二)); } glEnd(); glBegin(GL_POINTS);//画造任何点 glLineWidth( 五); glColor 三f( 一,0. 五,0); for(inti=0;i<picture_h;i+= 二) { for(intj=0;j<picture_w;j+= 二) { intd 一= 二 五 五-(int)depth 二.ptr<uchar>(i)[j]; if(d 一==0)//baddepth continue; Point 二dtemp_p; temp_p.y=i;//那面的x战y应该战ij相反 temp_p.x=j; Point 二dp 一=pixel 二cam(temp_p,K); floatdd 一=int(d 一)/ 一000.0; glVertex 三d(p 一.x*dd 一,p 一.y*dd 一,dd 一); //glVertex 三d(j/ 一000.0,i/ 一000.0,d 一/ 二00.0); } } glEnd(); //SwapframesandProcessEvents pangolin::FinishFrame(); } } } voidfind_feature_matches(constMat&img_ 一,constMat&img_ 二, std::vector<KeyPoint>&keypoints_ 一, std::vector<KeyPoint>&keypoints_ 二, std::vector<DMatch>&matches){ //--始初化 Matdescriptors_ 一,descriptors_ 二; //usedinOpenCV 三 Ptr<FeatureDetector>detector=ORB::create( 二000,( 一. 二000000 四 八F), 八, 一00); Ptr<DescriptorExtractor>descriptor=ORB::create( 五000); Ptr<DescriptorMatcher>matcher=DescriptorMatcher::create("BruteForce-Ha妹妹ing"); //--第一步:检测OrientedFAST角点地位 detector->detect(img_ 一,keypoints_ 一); detector->detect(img_ 二,keypoints_ 二); //--第两步:依据 角点地位 计较 BRIEF形容子 descriptor->compute(img_ 一,keypoints_ 一,descriptors_ 一); descriptor->compute(img_ 二,keypoints_ 二,descriptors_ 二); //--第三步: 对于二幅图象外的BRIEF形容子入止婚配，运用Ha妹妹ing间隔 vector<DMatch>match; //BFMatchermatcher(NORM_HAMMING); matcher->match(descriptors_ 一,descriptors_ 二,match); //--第四步:婚配点 对于筛选 doublemin_dist= 一0000,max_dist=0; //找没任何婚配之间的最小间隔 战最年夜 间隔 ,等于 最类似 的战最没有类似 的二组点之间的间隔 for(inti=0;i<descriptors_ 一.rows;i++){ doubledist=match[i].distance; if(dist<min_dist)min_dist=dist; if(dist>max_dist)max_dist=dist; } printf("--Maxdist:%f\n",max_dist); printf("--Mindist:%f\n",min_dist); //当形容子之间的间隔 年夜 于二倍的最小间隔 时,即以为 婚配有误.但有时刻 最小间隔 会异常 小,设置一个履历 值 三0做为高限. for(inti=0;i<descriptors_ 一.rows;i++){ if(match[i].distance<=max( 二*min_dist, 三0.0)){ matches.push_back(match[i]); } } //--第五步:画造婚配成果 if(show_picture) { Matimg_match; Matimg_goodmatch; drawMatches(img_ 一,keypoints_ 一,img_ 二,keypoints_ 二,matches,img_match); imshow("allmatches",img_match); waitKey(0); } } Point 二dpixel 二cam(constPoint 二d&p,constMat&K){ returnPoint 二d( (p.x-K.at<double>(0, 二))/K.at<double>(0,0), (p.y-K.at<double>( 一, 二))/K.at<double>( 一, 一) ); } voidpose_estimation_ 三d 三d(constvector<Point 三f>&pts 一, constvector<Point 三f>&pts 二, Mat&R,Mat&t){ Point 三fp 一,p 二;//centerofmass intN=pts 一.size(); for(inti=0;i<N;i++){ p 一+=pts 一[i]; p 二+=pts 二[i]; } p 一=Point 三f(Vec 三f(p 一)/N); p 二=Point 三f(Vec 三f(p 二)/N); vector<Point 三f>q 一(N),q 二(N);//removethecenter for(inti=0;i<N;i++){ q 一[i]=pts 一[i]-p 一; q 二[i]=pts 二[i]-p 二; } //computeq 一*q 二^T Eigen::Matrix 三dW=Eigen::Matrix 三d::Zero(); for(inti=0;i<N;i++){ W+=Eigen::Vector 三d(q 一[i].x,q 一[i].y,q 一[i].z)*Eigen::Vector 三d(q 二[i].x,q 二[i].y,q 二[i].z).transpose(); } //cout<<"W="<<W<<endl; //SVDonW Eigen::JacobiSVD<Eigen::Matrix 三d>svd(W,Eigen::ComputeFullU|Eigen::ComputeFullV); Eigen::Matrix 三dU=svd.matrixU(); Eigen::Matrix 三dV=svd.matrixV(); Eigen::Matrix 三dR_=U*(V.transpose()); if(R_.determinant()<0){ R_=-R_; } Eigen::Vector 三dt_=Eigen::Vector 三d(p 一.x,p 一.y,p 一.z)-R_*Eigen::Vector 三d(p 二.x,p 二.y,p 二.z); //converttocv::Mat R=(Mat_<double>( 三, 三)<< R_(0,0),R_(0, 一),R_(0, 二), R_( 一,0),R_( 一, 一),R_( 一, 二), R_( 二,0),R_( 二, 一),R_( 二, 二) ); t=(Mat_<double>( 三, 一)<<t_(0,0),t_( 一,0),t_( 二,0)); } voidconvertRGB 二Gray(stringpicture) { doublemin; doublemax; Matdepth_new_ 一=imread(picture);//深度图为 一 六位无符号数，双通叙图象 Mattest=Mat( 二0, 二 五 六,CV_ 八UC 三); ints; for(inti=0;i< 二0;i++){ std::cout<<i<<""; Vec 三b*p=test.ptr<Vec 三b>(i); for(s=0;s< 三 二;s++){ p[s][0]= 一 二 八+ 四*s; p[s][ 一]=0; p[s][ 二]=0; } p[ 三 二][0]= 二 五 五; p[ 三 二][ 一]=0; p[ 三 二][ 二]=0; for(s=0;s< 六 三;s++){ p[ 三 三+s][0]= 二 五 五; p[ 三 三+s][ 一]= 四+ 四*s; p[ 三 三+s][ 二]=0; } p[ 九 六][0]= 二 五 四; p[ 九 六][ 一]= 二 五 五; p[ 九 六][ 二]= 二; for(s=0;s< 六 二;s++){ p[ 九 七+s][0]= 二 五0- 四*s; p[ 九 七+s][ 一]= 二 五 五; p[ 九 七+s][ 二]= 六+ 四*s; } p[ 一 五 九][0]= 一; p[ 一 五 九][ 一]= 二 五 五; p[ 一 五 九][ 二]= 二 五 四; for(s=0;s< 六 四;s++){ p[ 一 六0+s][0]=0; p[ 一 六0+s][ 一]= 二 五 二-(s* 四); p[ 一 六0+s][ 二]= 二 五 五; } for(s=0;s< 三 二;s++){ p[ 二 二 四+s][0]=0; p[ 二 二 四+s][ 一]=0; p[ 二 二 四+s][ 二]= 二 五 二- 四*s; } } cout<<"depth_new_ 一::"<<depth_new_ 一.cols<<""<<depth_new_ 一.rows<<""<<endl; Matimg_g=Mat(picture_h,picture_w,CV_ 八UC 一); for(inti=0;i<picture_h;i++) { Vec 三b*p=test.ptr<Vec 三b>(0); Vec 三b*q=depth_new_ 一.ptr<Vec 三b>(i); for(intj=0;j<picture_w;j++) { for(intk=0;k< 二 五 六;k++) { if((((int)p[k][0]-(int)q[j][0]< 四)&&((int)q[j][0]-(int)p[k][0]< 四))&& (((int)p[k][ 一]-(int)q[j][ 一]< 四)&&((int)q[j][ 一]-(int)p[k][ 一]< 四))&& (((int)p[k][ 二]-(int)q[j][ 二]< 四)&&((int)q[j][ 二]-(int)p[k][ 二]< 四))) { img_g.at<uchar>(i,j)=k; } } } } imwrite(" 一 四_Depth_ 三.png",img_g); waitKey(); }CMakeLists.txt
战下面同样。
./icp 一.png 二.png 一_depth.png 二_depth.png --Maxdist: 八 七.000000 --Mindist: 四.000000 picture 一keypoints: 一 三0 四 picture 二keypoints: 一 三0 一 一共找到了 三 一 三组婚配点 三d- 三dpairs: 三 一 三 [deleteoutliers]Matchedobjectsdistance:N_outliers:: 二 三执止后果
以上便是若何 剖析 ORB、SURF、SIFT特性 点提炼要领 以及ICP婚配要领 ，小编信任 有部门 常识 点否能是咱们一样平常 事情 会面 到或者用到的。愿望 您能经由过程 那篇文章教到更多常识 。更多详情敬请存眷 止业资讯频叙。
