基於輪廓的3D物件跟蹤

詳細說明

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

類
類	cv::rapid::GOSTracker
類	cv::rapid::OLSTracker
類	cv::rapid::Rapid
	圍繞 基於輪廓的3D物件跟蹤 功能的包裝器，用於統一訪問 更多...
類	cv::rapid::Tracker
	狀態輪廓跟蹤器的抽象基類。 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 (Function Documentation)

convertCorrespondencies()

void cv::rapid::convertCorrespondencies	(	InputArray	cols (列數),
		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>

根據對應關係和掩碼收集對應的2d和3d點

引數

cols (列數)	線束空間中的對應-位置
srcLocations	源影像位置
pts2d	2D點
pts3d	3D點
mask	包含非零值的掩碼，用於保留元素

drawCorrespondencies()

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

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

#include <opencv2/rapid.hpp>

在lineBundle上除錯繪製匹配的對應關係的標記

引數

bundle	lineBundle
cols (列數)	線束中的列座標
colors	標記的顏色。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>

在影像上除錯繪製搜尋線

引數

img	輸出影像
locations	line bundle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>

繪製三角形網格的線框

引數

img	輸出影像
pts2d	由 projectPoints 獲得的2D點
tris	三角形面的連通性
color	線條顏色
type	線型。請參閱 LineTypes。
cullBackface	基於CCW順序啟用背面剔除

extractControlPoints()

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 )

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

#include <opencv2/rapid.hpp>

從網格投影的輪廓中提取控制點

參見 [77] Sec 2.1, Step b

引數

num	控制點數量
len	搜尋半徑 (用於限制ROI)
pts3d	網格的3D點
rvec	網格和相機之間的旋轉
tvec	網格和相機之間的平移
K	相機內參
imsize	影片幀的大小
tris	三角形面的連通性
ctl2d	控制點的2D位置
ctl3d	網格的匹配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>

從影像中提取線束

引數

len	搜尋半徑。線束將有2*len + 1列。
ctl2d	搜尋線將以這些點為中心，並垂直於由它們定義的輪廓。線束將有與它們相同數量的行。
img	從中讀取畫素強度值的影像
bundle	線束影像，大小為ctl2d.rows() x (2 * len + 1)，型別與img相同
srcLocations	bundle在img中的源畫素位置，格式為CV_16SC2

findCorrespondencies()

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

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

#include <opencv2/rapid.hpp>

透過在搜尋線上（線束中的單行）搜尋最大sobel邊緣來查詢對應的影像位置

引數

bundle	線束
cols (列數)	線束空間中的對應-位置
response	所選點的sobel響應

rapid()

float cv::rapid::rapid	(	InputArray	img,
		int	num,
		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] 迭代的高階函式

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

引數

img	影片幀
num	搜尋線數量
len	搜尋線半徑
pts3d	網格的3D點
tris	三角形面的連通性
K	相機矩陣
rvec	網格和相機之間的旋轉。輸入值用作初始解。
tvec	網格和相機之間的平移。輸入值用作初始解。
rmsd	2D重投影差

返回

可以提取和匹配的搜尋線比例

此函式的呼叫圖