ohenrygithub
ohenrygithub
release模式和Debug模式差异很大，创建模板，Debug模式要11s，release模式只要0.4s；匹配测试，debug模式要1s多，release模式0.55s；
好的，谢谢
今天用case1/train.png进行训练和测试，发现匹配结果总有一个像素的出入，不大清楚哪里引起的？ --------------- init diff angle: 0 improved angle: -0.000998358 match.template_id: 30 match.similarity: 100 match position, x: 209 y: 189 src point, x: 260 y: 240.5 test_match_centre.point, x: 261 y: 241.5...
好的，谢谢
好的，我试一下，谢谢 —————— 测了一下，快了很多，谢谢了 —————— 采用release模式后，只用了0.4s，这样就很很实用了 我的理解是，原先的作法，每个角度都旋转一下，然后提取梯度特征，现在的作法是，对第一幅图像进行特征提取，后面只对特征进行操作，不对图像进行提取，这样就成了一个纯运算问题了；不过这样做可能会损失一些精度。尤其是角度较大时，误差会不会随之变大？ 在当前版本，匹配度最高的都是第340号模板，不过匹配度略有不同，没做速度优化之前是 99.6，速度优化之后是相似度是98.6；不大清楚相似度对角度精度是否有影响； 如果会带来误差，是否可以这样做：每隔五度对图像提取一次特征，然后其他用邻近提取的特征做旋转来获取特征，这样保证了精度，也能改善速度
好的，谢谢
@meiqua 调低了第四个参数，能够匹配到了，精度也很好，谢谢！ 调低训练阈值后，创建模板时能够找到到更多的特征点了，这样创建模板会轻松一些，估计是这个原理。
好的，这样一说就了解得比较透彻了，谢谢。 之前用来测试的图像，包括case1文件夹中的，和其他一些图像，图像都很清晰，所以模板匹配时很容易创建模板，也很容易匹配到。而实际拍摄的图像，由于各种原因（光源亮度、颜色，物体本身表面特性等），都可能造成图像模糊，那么，就有以下4种情况要考虑： 1，图像清晰； 2，图像模糊，但可以创建模板，也可以进行icp配准； 3，图像模糊，不可创建模板； 4，图像模糊，可以创建模板，但ICP处理不理想； 之前的方法，可以解决模糊图像创建模板的问题，不过仍有一些图像，在创建模板后，进行icp处理不是很理想（有的甚至icp处根本就没进行处理），因为对icp配准这块的原理和源码不是很熟悉，不知道有哪些地方可以进行改善，能否指点一二，谢谢！ 测试图像：
好的，上午用模糊图像测试了一下，有改善，icp可以起作用了，不过精度略有不足； void init_Scene_kdtree_cpu(cv::Mat dx, cv::Mat dy, KDTree_cpu& kdtree, float max_dist_diff = 4.0f, float low_thresh = 30, float high_thresh = 60); 然后考虑在detector创建时阈值已经调低了(10,30)，那么init_Scene_kdtree_cpu是否也要相应调低一些，于是就把low_thresh和high_thresh也调低了（10，30）,这样出来的数据就比较准确了； 虽然icp的原理仍不大懂，谢谢了 