平面物件檢測

前一篇教程： Features2D + 單應性查詢已知物體
下一篇教程： AKAZE 區域性特徵匹配

原始作者	Victor Eruhimov
相容性	OpenCV >= 3.0

本教程的目標是學習如何使用 features2d 和 calib3d 模組來檢測場景中已知的平面物體。

測試資料：使用您資料資料夾中的影像，例如 box.png 和 box_in_scene.png。

• 建立一個新的控制檯專案。讀取兩張輸入影像。

  Mat img1 = imread(argv[1], IMREAD_GRAYSCALE);
  Mat img2 = imread(argv[2], IMREAD_GRAYSCALE);
  

• 檢測兩張影像中的關鍵點，並計算每個關鍵點的描述符。

  // detecting keypoints
  Ptr<Feature2D> surf = SURF::create();
  vector<KeyPoint> keypoints1;
  Mat descriptors1;
  surf->detectAndCompute(img1, Mat(), keypoints1, descriptors1);
  
  ... // do the same for the second image
  

• 現在，找到第一張影像的描述符與第二張影像描述符之間的最接近匹配：

  // matching descriptors
  BruteForceMatcher<L2<float> > matcher;
  vector<DMatch> matches;
  matcher.match(descriptors1, descriptors2, matches);
  

• 視覺化結果：

  // drawing the results
  namedWindow("matches", 1);
  Mat img_matches;
  drawMatches(img1, keypoints1, img2, keypoints2, matches, img_matches);
  imshow("matches", img_matches);
  waitKey(0);
  

• 找到兩組點之間的單應性變換：

  vector<Point2f> points1, points2;
  // fill the arrays with the points
  ....
  Mat H = findHomography(Mat(points1), Mat(points2), RANSAC, ransacReprojThreshold);
  

• 建立一組內點匹配並繪製它們。 使用 perspectiveTransform 函式用單應性對映點

  Mat points1Projected; perspectiveTransform(Mat(points1), points1Projected, H);

• 使用 drawMatches 繪製內點。