平面目标检测

上一教程： Features2D + 仿射变换来查找已知目标
下一教程： AKAZE 局部特征匹配

原作者	Victor Eruhimov
兼容性	OpenCV >= 3.0

本教程的目的是学习如何使用 features2d 和 calib3d 模块检测场景中的已知平面目标。

测试数据：使用数据文件夹中的图像，例如 box.png 和 box_in_scene.png。

• 创建新的控制台项目。读取两张输入图像。

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

• 在两张图像中检测关键点，并为各个关键点计算描述符。

  // 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
  

• 现在，找到第一张图像的描述符与第二张图像最接近匹配项：

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

• 可视化结果：

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

• 找出两组点之间的单应性变换：

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

• 创建一组内点匹配并绘制它们。使用 perspectiveTransform 函数用单应性映射点

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

• 使用 drawMatches 绘制内点。