实现 TEBLID（基于三元组的有效二进制局部图像描述符）的类，如 [256] 中所述。更多...

#include <opencv2/xfeatures2d.hpp>

cv::xfeatures2d::TEBLID 的协作图

公共类型
枚举	TeblidSize { SIZE_256_BITS = 102 , SIZE_512_BITS = 103 }
	描述符的位数，每一位代表一个区域的平均差值。用户可以选择 256 位或 512 位。更多...

公共成员函数
String	getDefaultName () const CV_OVERRIDE

从 cv::Feature2D 继承的公共成员函数
虚拟	~Feature2D ()

虚拟 void	compute (InputArray image, std::vector< KeyPoint > &keypoints, OutputArray descriptors)
	计算图像（第一个变体）或图像集（第二个变体）中检测到的关键点集的描述符。

虚拟 void	compute (InputArrayOfArrays images, std::vector< std::vector< KeyPoint > > &keypoints, OutputArrayOfArrays descriptors)

虚拟 int	defaultNorm () const

虚拟 int	descriptorSize () const

虚拟 int	descriptorType () const

虚拟 void	detect (InputArray image, std::vector< KeyPoint > &keypoints, InputArray mask=noArray())
	在图像（第一个变体）或图像集（第二个变体）中检测关键点。

虚拟 void	detect (InputArrayOfArrays images, std::vector< std::vector< KeyPoint > > &keypoints, InputArrayOfArrays masks=noArray())

虚拟 void	detectAndCompute (InputArray image, InputArray mask, std::vector< KeyPoint > &keypoints, OutputArray descriptors, bool useProvidedKeypoints=false)

虚拟 bool	empty () const CV_OVERRIDE
	如果检测器对象为空，则返回 true。

虚拟 void	read (const FileNode &) CV_OVERRIDE
	从文件存储中读取算法参数。

void	read (const String &fileName)

void	write (const Ptr< FileStorage > &fs, const String &name) const

void	write (const String &fileName) const

虚拟 void	write (FileStorage &) const CV_OVERRIDE
	将算法参数存储在文件存储中。

void	write (FileStorage &fs, const String &name) const

从 cv::Algorithm 继承的公共成员函数
	Algorithm ()

虚拟	~Algorithm ()

虚拟 void	clear ()
	清除算法状态。

虚拟 void	save (const String &filename) const

void	write (const Ptr< FileStorage > &fs, const String &name=String()) const

void	write (FileStorage &fs, const String &name) const

静态公共成员函数
static Ptr< TEBLID >	create (float scale_factor, int n_bits=TEBLID::SIZE_256_BITS)
	创建 TEBLID 描述符。

从 cv::Algorithm 继承的静态公共成员函数
模板<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	从文件中加载算法。

模板<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	从字符串中加载算法。

模板<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	从文件节点中读取算法。

额外继承的成员
从 cv::Algorithm 继承的受保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

实现 TEBLID（基于三元组的有效二进制局部图像描述符）的类，如 [256] 中所述。

TEBLID 代表基于三元组的有效二进制局部图像描述符，尽管它最初被称为 BAD [256]。它是对 BEBLID [255] 的改进，它使用三元组损失、困难负样本挖掘和锚点交换来改进图像匹配结果。它能够通过仅更改 scale_factor 参数来描述来自任何检测器的关键点。 TEBLID 与 ORB、BEBLID 或 BRISK 一样高效，但基于三元组的训练目标选择了更具辨别力的特征，解释了准确性的提高。与 BEBLID 相比，它也更加紧凑，在使用 ORB 检测到的 10000 个关键点运行 AKAZE 示例时，BEBLID 使用 512 位获得了 561 个内点（75%），而 TEBLID 使用 256 位获得了 621 个内点（75.2%）。 ORB 仅获得了 493 个内点（63%）。

如果您发现此代码有用，请参考以下论文

Iago Suárez、José M. Buenaposada 和 Luis Baumela。重新审视资源受限设备的二进制局部图像描述。IEEE 机器人与自动化快报，第 6 卷，第 4 期，第 8317-8324 页，2021 年 10 月。

描述符是在 UBC 数据集的 Liberty 分割 [297] 中训练的。

成员枚举文档

◆ TeblidSize

枚举 cv::xfeatures2d::TEBLID::TeblidSize

描述符的位数，每一位代表一个区域的平均差值。用户可以选择 256 位或 512 位。

枚举器
SIZE_256_BITS
SIZE_512_BITS

成员函数文档

◆ create()

static Ptr< TEBLID > cv::xfeatures2d::TEBLID::create	(	float	scale_factor,
		int	n_bits = `TEBLID::SIZE_256_BITS`
	)

static

Python
	cv.xfeatures2d.TEBLID.create(	scale_factor[, n_bits]	) ->	retval
	cv.xfeatures2d.TEBLID_create(	scale_factor[, n_bits]	) ->	retval

创建 TEBLID 描述符。

参数

scale_factor	调整检测到的关键点周围的采样窗口 1.00f 应该是 ORB 关键点的比例 6.75f 应该是 SIFT 检测到的关键点的比例 6.25f 是默认值，适合 KAZE，SURF 检测到的关键点 5.00f 应该是 AKAZE，MSD，AGAST，FAST，BRISK 关键点的比例
n_bits	确定描述符中的位数。应为 TEBLID::SIZE_256_BITS 或 TEBLID::SIZE_512_BITS 之一。

◆ getDefaultName()

String cv::xfeatures2d::TEBLID::getDefaultName ( ) const

virtual

Python
	cv.xfeatures2d.TEBLID.getDefaultName(		) ->	retval

返回算法字符串标识符。当对象保存到文件或字符串时，此字符串用作顶层 xml/yml 节点标签。

从 cv::Feature2D 重新实现。

此类的文档是从以下文件生成的

opencv2/xfeatures2d.hpp

公共类型

公共成员函数