基於輪廓的 3D 物體追蹤

詳細描述

實現了 "RAPID-a video rate object tracker" [119] 以及 [77] 的動態控制點提取

類別
class	cv::rapid::GOSTracker
class	cv::rapid::OLSTracker
class	cv::rapid::Rapid
	圍繞 基於輪廓的 3D 物體追蹤 函數的包裝器，用於統一訪問 更多...
class	cv::rapid::Tracker
	有狀態輪廓追蹤器的抽象基類。 更多...

函式
void	cv::rapid::convertCorrespondencies (InputArray cols, InputArray srcLocations, OutputArray pts2d, InputOutputArray pts3d=noArray(), InputArray mask=noArray())
void	cv::rapid::drawCorrespondencies (InputOutputArray bundle, InputArray cols, InputArray colors=noArray())
void	cv::rapid::drawSearchLines (InputOutputArray img, InputArray locations, const Scalar &color)
void	cv::rapid::drawWireframe (InputOutputArray img, InputArray pts2d, InputArray tris, const Scalar &color, int type=LINE_8, bool cullBackface=false)
void	cv::rapid::extractControlPoints (int num, int len, InputArray pts3d, InputArray rvec, InputArray tvec, InputArray K, const Size &imsize, InputArray tris, OutputArray ctl2d, OutputArray ctl3d)
void	cv::rapid::extractLineBundle (int len, InputArray ctl2d, InputArray img, OutputArray bundle, OutputArray srcLocations)
void	cv::rapid::findCorrespondencies (InputArray bundle, OutputArray cols, OutputArray response=noArray())
float	cv::rapid::rapid (InputArray img, int num, int len, InputArray pts3d, InputArray tris, InputArray K, InputOutputArray rvec, InputOutputArray tvec, double *rmsd=0)

函式文件

convertCorrespondencies()

void cv::rapid::convertCorrespondencies	(	InputArray	cols,
		InputArray	srcLocations,
		OutputArray	pts2d,
		InputOutputArray	pts3d = noArray(),
		InputArray	mask = noArray() )

Python
	cv.rapid.convertCorrespondencies(	cols, srcLocations[, pts2d[, pts3d[, mask]]]	) ->	pts2d, pts3d

#include <opencv2/rapid.hpp>

根據對應關係與遮罩收集對應的 2D 與 3D 點

參數

cols	線束空間中每條線的對應位置
srcLocations	源圖像位置
pts2d	2D 點
pts3d	3D 點
遮罩 (mask)	包含要保留元素的非零值的遮罩

drawCorrespondencies()

void cv::rapid::drawCorrespondencies	(	InputOutputArray	bundle,
		InputArray	cols,
		InputArray	colors = noArray() )

Python
	cv.rapid.drawCorrespondencies(	bundle, cols[, colors]	) ->	bundle

#include <opencv2/rapid.hpp>

在 lineBundle 上繪製匹配對應點的除錯標記

參數

bundle	lineBundle
cols	線束中的列座標
colors	標記顏色。預設為白色。

drawSearchLines()

void cv::rapid::drawSearchLines	(	InputOutputArray	img,
		InputArray	locations,
		const Scalar &	color )

Python
	cv.rapid.drawSearchLines(	img, locations, color	) ->	img

#include <opencv2/rapid.hpp>

在圖像上繪製搜尋線以供除錯

參數

img	輸出圖像
locations	線束的源位置
color	線條顏色

drawWireframe()

void cv::rapid::drawWireframe	(	InputOutputArray	img,
		InputArray	pts2d,
		InputArray	tris,
		const Scalar &	color,
		int	type = LINE_8,
		bool	cullBackface = false )

Python
	cv.rapid.drawWireframe(	img, pts2d, tris, color[, type[, cullBackface]]	) ->	img

#include <opencv2/rapid.hpp>

繪製三角網格的線框

參數

img	輸出圖像
pts2d	透過 projectPoints 獲得的 2D 點
tris	三角形面連接性
color	線條顏色
type	線條類型。請參閱 LineTypes。
cullBackface	啟用基於逆時針 (CCW) 順序的背面剔除

extractControlPoints()

void cv::rapid::extractControlPoints	(	int	數字,
		int	len,
		InputArray	pts3d,
		InputArray	rvec,
		InputArray	tvec,
		InputArray	K,
		const Size &	imsize,
		InputArray	tris,
		OutputArray	ctl2d,
		OutputArray	ctl3d )

Python
	cv.rapid.extractControlPoints(	num, len, pts3d, rvec, tvec, K, imsize, tris[, ctl2d[, ctl3d]]	) ->	ctl2d, ctl3d

#include <opencv2/rapid.hpp>

從網格的投影輪廓中提取控制點

參見 [77] 第 2.1 節，步驟 b

參數

數字	控制點數量
len	搜尋半徑（用於限制 ROI）
pts3d	網格的 3D 點
rvec	網格與相機之間的旋轉
tvec	網格與相機之間的平移
K	相機內參
imsize	視訊影格大小
tris	三角形面連接性
ctl2d	控制點的 2D 位置
ctl3d	網格的對應 3D 點

extractLineBundle()

void cv::rapid::extractLineBundle	(	int	len,
		InputArray	ctl2d,
		InputArray	img,
		OutputArray	bundle,
		OutputArray	srcLocations )

Python
	cv.rapid.extractLineBundle(	len, ctl2d, img[, bundle[, srcLocations]]	) ->	bundle, srcLocations

#include <opencv2/rapid.hpp>

從圖像中提取線束

參數

len	搜尋半徑。該束將有 2*len + 1 列。
ctl2d	搜尋線將以這些點為中心，並與由它們定義的輪廓正交。該束將具有相同數量的行。
img	從中讀取像素強度值的圖像
bundle	線束圖像，大小為 ctl2d.rows() x (2 * len + 1)，類型與 img 相同
srcLocations	bundle 中 img 的源像素位置，格式為 CV_16SC2

findCorrespondencies()

void cv::rapid::findCorrespondencies	(	InputArray	bundle,
		OutputArray	cols,
		OutputArray	response = noArray() )

Python
	cv.rapid.findCorrespondencies(	bundle[, cols[, response]]	) ->	cols, response

#include <opencv2/rapid.hpp>

透過在搜尋線（束中的單行）沿線搜尋最大 Sobel 邊緣來尋找對應的圖像位置

參數

bundle	線束
cols	線束空間中每條線的對應位置
response	所選點的 Sobel 回應

rapid()

float cv::rapid::rapid	(	InputArray	img,
		int	數字,
		int	len,
		InputArray	pts3d,
		InputArray	tris,
		InputArray	K,
		InputOutputArray	rvec,
		InputOutputArray	tvec,
		double *	rmsd = 0 )

Python
	cv.rapid.rapid(	img, num, len, pts3d, tris, K, rvec, tvec	) ->	retval, rvec, tvec, rmsd

#include <opencv2/rapid.hpp>

執行單次 rapid [119] 迭代的高階函數

1. extractControlPoints
2. extractLineBundle
3. findCorrespondencies
4. convertCorrespondencies
5. solvePnPRefineLM

參數

img	視訊影格
數字	搜尋線數量
len	搜尋線半徑
pts3d	網格的 3D 點
tris	三角形面連接性
K	相機矩陣
rvec	網格與相機之間的旋轉。輸入值用作初始解。
tvec	網格與相機之間的平移。輸入值用作初始解。
rmsd	2D 重投影差異

回傳值

可提取並匹配的搜尋線比率

這是此函式的呼叫圖