小编Cla*_*ros的帖子

我正在开展一个项目,我可以在移动环境中"实时"检测场景中的已知图片(这意味着我正在使用智能手机相机捕捉帧并将帧大小调整为150x225).图片本身可能相当复杂.现在,我正在平均1.2s处理每个帧(使用OpenCV).我正在寻找改善处理时间和全球准确性的方法.我目前的实施工作如下:

1. 捕捉帧
2. 将其转换为灰度
3. 检测关键点并使用ORB提取描述符
4. 匹配描述符(2NN)(对象 - >场景)并使用比率测试对其进行过滤
5. 匹配描述符(2NN)(场景 - >对象)并使用比率测试对其进行过滤
6. 用4.和5非对称匹配去除.
7. 计算匹配置信度(匹配关键点与总关键点的百分比)

我的方法可能不是正确的方法,但即使有很大的改进空间,结果仍然可以.我已经注意到SURF提取太慢而且我无法使用单应性(它可能与ORB有关).欢迎所有建议!