linemod算法过程理解

一、提取模板
1、预处理
使用高斯模糊预处理将要作为模板的RGB图
2、模板梯度计算
分别计算RGB三个通道中每个像素点x和y方向的梯度（sobel算子），取幅值最大的作为该像素的梯度，若梯度幅度值小于阈值，则被舍弃
3、梯度离散化及量化
对保留的梯度，以角度形式表示其方向（phase函数），将以上角度映射到0度至180度之间，而后离散化为n个区间，再用0-n-1的index分别表示各个角度。为了应对噪声，在该像素的3*3领域内进行统计投票，取得分最高的index值作为该像素点的最终index
4、模板保存
对index进行二进制编码，方便后续匹配时的计算，feature数目小于4的模板被舍弃，最后模板以mask形式保存
5、模板变换
针对原始模板（mask形式），按照angle和scale的一定步长进行平移、旋转、缩放等仿射变换，形成一系列的模板
6、模板金字塔
对RGB图片进行下采样，重复1-5的过程

二、进行匹配
1、测试图片梯度计算
按照提取模板时的方式计算梯度，并舍弃幅度值较小的
2、梯度扩散
为提高匹配的鲁棒性，对梯度进行扩散，具体操作为将有index值扩散到以该像素点为中心的33的领域内
3、预计算response map
针对各个方向，利用梯度与对应方向间夹角余弦的绝对值（取绝对值的目的是为了不受背景影响，即使背景很亮或者很暗仍然会比较鲁棒）计算相似分数，同一像素点的多个余弦值中取绝对值最大的，形成n个response map
4、计算similarity map
由于是利用模板进行滑窗匹配，为了提高计算速度，将response map中相隔T（滑窗步长）个像素的值顺序存储在一起，形成T^2个线性表，在模板中取一个anchor cell，其余各位置的response map值形成的线性表，根据相对于该anchor cell的偏移，按照公式一、提取模板
1、预处理
使用高斯模糊预处理将要作为模板的RGB图
2、模板梯度计算
分别计算RGB三个通道中每个像素点x和y方向的梯度（sobel算子），取幅值最大的作为该像素的梯度，若梯度幅度值小于阈值，则被舍弃
3、梯度离散化及量化
对保留的梯度，以角度形式表示其方向（phase函数），将以上角度映射到0度至180度之间，而后离散化为n个区间，再用0-n-1的index分别表示各个角度。为了应对噪声，在该像素的33领域内进行统计投票，取得分最高的index值作为该像素点的最终index
4、模板保存
对index进行二进制编码，方便后续匹配时的计算，feature数目小于4的模板被舍弃，最后模板以mask形式保存
5、模板变换
针对原始模板（mask形式），按照angle和scale的一定步长进行平移、旋转、缩放等仿射变换，形成一系列的模板
6、模板金字塔
对RGB图片进行下采样，重复1-5的过程

二、进行匹配
1、测试图片梯度计算
按照提取模板时的方式计算梯度，并舍弃幅度值较小的
2、梯度扩散
为提高匹配的鲁棒性，对梯度进行扩散，具体操作为将有index值扩散到以该像素点为中心的3*3的领域内
3、预计算response map
针对各个方向，利用梯度与对应方向间夹角余弦的绝对值（取绝对值的目的是为了不受背景影响，即使背景很亮或者很暗仍然会比较鲁棒）计算相似分数，同一像素点的多个余弦值中取绝对值最大的，形成n个response map
4、计算similarity map
由于是利用模板进行滑窗匹配，为了提高计算速度，将response map中相隔T（滑窗步长）个像素的值顺序存储在一起，形成T^2个线性表，在模板中取一个anchor cell，其余各位置的response map值形成的线性表，根据相对于该anchor cell的偏移，按照公式

计算线性表的偏移值，并将各个进行偏移的线性表对应值相加，还原为一个map，即得到similarity map

以上纯属个人理解，小白一定存在许多理解错误，请大家不吝赐教。

linemod算法过程理解相关推荐

调整模型与提纯样本的关系过程有点类似EM算法过程，不知道这样理解是否是正确理解，固定A调B,B调到最优后，固定B再调A,循环往复，直至最优。
调整模型与提纯样本的关系过程有点类似EM算法过程,不知道这样理解是否是正确理解,固定A调B,B调到最优后,固定B再调A,循环往复,直至最优. 个人理解
React中diff算法的理解
React中diff算法的理解 diff算法用来计算出Virtual DOM中改变的部分,然后针对该部分进行DOM操作,而不用重新渲染整个页面,渲染整个DOM结构的过程中开销是很大的,需要浏览器对DO ...
Vue中diff算法的理解
Vue中diff算法的理解 diff算法用来计算出Virtual DOM中改变的部分,然后针对该部分进行DOM操作,而不用重新渲染整个页面,渲染整个DOM结构的过程中开销是很大的,需要浏览器对DOM结 ...
CART算法对比理解
来源:http://www.cnblogs.com/pinard/p/6053344.html 作者:刘建平Pinard 对于C4.5算法,我们也提到了它的不足,比如模型是用较为复杂的熵来度量,使用了 ...
短视频推荐算法过程分享，论如何针对推荐算法来优化短视频内容
短视频推荐算法过程分享,论如何针对推荐算法来优化短视频内容相信做短视频的小伙伴一定知道"短视频推荐算法",简单理解就是短视频平台都自有一套推荐机制,决定我们发布的短视频是否可以获 ...
手指静脉细化算法过程原理解析　以及python实现细化算法
原文作者:aircraft 原文地址:https://www.cnblogs.com/DOMLX/p/8672489.html 文中的一些图片以及思想很多都是参考https://www.cnblogs ...
Levenberg-Marquardt(LM算法)的理解
Levenberg-Marquardt LM算法的理解 1. convex optimization 1.1 convex set 1.2 convex function 1.3 optimizat ...
XGBoost算法个人理解
提升树Boosting Tree算法实例详解_程大海的博客-CSDN博客从提升树Boosting Tree过度到梯度提升Gradient Boosting_程大海的博客-CSDN博客 GBDT梯度提 ...
HDMI/DVI中TMDS编解码算法的理解
HDMI/DVI中TMDS编解码算法的理解 TMDS简介 TMDS编码 TMDS解码 TMDS简介 HDMI和DVI协议使用TMDS作为它们的物理层.支持高达225MHz的传输速率,一个传输链路能满足 ...

linemod算法过程理解

linemod算法过程理解相关推荐

最新文章

热门文章