基于轮廓的3D物体跟踪

详细描述

实现了“RAPID——一种视频速率物体跟踪器” [115]，并结合了 [73] 的动态控制点提取方法。

类
类	cv::rapid::GOSTracker
类	cv::rapid::OLSTracker
类	cv::rapid::Rapid
	围绕 基于轮廓的3D物体跟踪 函数的包装器，用于统一访问 更多…
类	cv::rapid::Tracker
	有状态轮廓跟踪器的抽象基类。 更多…

函数
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)

函数文档

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>

基于对应关系和掩码收集对应的二维和三维点

参数

cols	每行在行束空间中的对应位置
srcLocations	源图像位置
pts2d	二维点
pts3d	三维点
mask	包含非零值元素的掩码，用于保留这些元素

drawCorrespondencies()

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

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

#include <opencv2/rapid.hpp>

调试绘制匹配对应关系的标记到行束上

参数

bundle	行束
cols	行束中的列坐标
colors	标记的颜色。默认为白色。

drawSearchLines()

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

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

#include <opencv2/rapid.hpp>

调试将搜索线绘制到图像上

参数

img	输出图像
locations	行束的源位置
color	线条颜色

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>

绘制三角网格的线框

参数

img	输出图像
pts2d	通过 projectPoints 获得的二维点
tris	三角面连接性
color	线条颜色
type	线条类型。参见 LineTypes。
cullBackface	基于逆时针顺序启用背面剔除

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>

从网格投影轮廓中提取控制点

参见 [73] 第2.1节，步骤b

参数

num	控制点数
len	搜索半径（用于限制感兴趣区域）
pts3d	网格的3D点
rvec	网格和摄像机之间的旋转
tvec	网格和摄像机之间的平移
K	摄像机内参
imsize	视频帧的大小
tris	三角面连接性
ctl2d	控制点的2D位置
ctl3d	匹配的网格3D点

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>

从图像中提取线束

参数

len	搜索半径。线束将有2*len + 1列。
ctl2d	搜索线将以这些点为中心，并垂直于由这些点定义的轮廓。线束将有这么多行。
img	读取像素强度值的图像
bundle	大小为ctl2d.rows() x (2 * len + 1)的线束图像，类型与img相同
srcLocations	bundle在img中的源像素位置，类型为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>

通过沿搜索线（线束中的一行）搜索最大Sobel边缘来查找对应的图像位置

参数

bundle	线束
cols	每行在行束空间中的对应位置
响应	所选点的Sobel响应

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>

执行单个快速 [115] 迭代的高级函数

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

参数

img	视频帧
num	搜索线的数量
len	搜索线半径
pts3d	网格的3D点
tris	三角面连接性
K	摄像机矩阵
rvec	网格和摄像机之间的旋转。输入值用作初始解。
tvec	网格和摄像机之间的平移。输入值用作初始解。
rmsd	2D重投影差

返回值

可以提取和匹配的搜索线的比例

这是此函数的调用图