实现 TEBLID（基于三元组的有效二进制局部图像描述符）的类，如 [257] 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 }
	描述符的比特数，每个比特都是一个盒子的平均差值。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
virtual	~Feature2D ()

virtual void	compute (InputArray image, std::vector< KeyPoint > &keypoints, OutputArray descriptors)
	计算在图像（第一种变体）或图像集（第二种变体）中检测到的关键点的描述符。

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

virtual int	defaultNorm () const

virtual int	descriptorSize () const

virtual int	descriptorType () const

virtual void	detect (InputArray image, std::vector< KeyPoint > &keypoints, InputArray mask=noArray())
	检测图像（第一种变体）或图像集（第二种变体）中的关键点。

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

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

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

virtual 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

virtual void	write (FileStorage &) const CV_OVERRIDE
	将算法参数存储到文件存储中。

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

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

virtual	~Algorithm ()

virtual void	clear ()
	清除算法状态。

virtual 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
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	从文件中加载算法。

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

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

其他继承的成员
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TEBLID [257]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 [257]。它是对BEBLID [256]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。它只需更改`scale_factor`参数即可描述任何检测器的关键点。TEBLID 的效率与ORB、BEBLID或BRISK一样高，但基于三元组的训练目标选择了更具区分性的特征，这解释了精度提升的原因。在运行使用ORB检测到的10000个关键点的AKAZE示例时，BEBLID 使用512位获得561个内点（75%），而TEBLID 使用256位获得621个内点（75.2%）。ORB仅获得493个内点（63%）。

如果您发现此代码有用，请添加对以下论文的引用

Iago Suárez, José M. Buenaposada, and Luis Baumela. Revisiting Binary Local Image Description for Resource Limited Devices. IEEE Robotics and Automation Letters, vol. 6, no. 4, pp. 8317-8324, Oct. 2021.

该描述符是在UBC数据集的Liberty分割中训练的 [298]。

成员枚举文档

◆ TeblidSize

枚举 cv::xfeatures2d::TEBLID::TeblidSize

描述符的位数，每一位都是一个盒子的平均差值。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()

静态 Ptr< TEBLID > cv::xfeatures2d::TEBLID::create	(	浮点数	scale_factor,
		整数	n_bits = TEBLID::SIZE_256_BITS )

静态

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

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对于ORB关键点，比例应为1.00f 对于SIFT检测到的关键点，比例应为6.75f 6.25f是默认值，适用于KAZE、SURF检测到的关键点 5.00f适用于AKAZE、MSD、AGAST、FAST、BRISK关键点
n_bits	确定描述符中的位数。应为TEBLID::SIZE_256_BITS或TEBLID::SIZE_512_BITS。

◆ getDefaultName()

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

虚函数

Python
	cv.xfeatures2d.TEBLID.getDefaultName(		) ->	返回值

返回算法字符串标识符。将对象保存到文件或字符串时，此字符串用作顶级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