meiqua
你好，没有看懂整个匹配原理和流程，楼主能否讲讲？期待。。
你是指加速的原理吗？大概来讲主要利用了降采样、方向量化、预计算得分、内存重新布局、SIMD加速。具体的话我也不会比linemod论文里讲的更好了。 如果是看不太懂论文，建议可以想想用普通的滑动窗口会怎么做；每一个加速方式可以说就是加速普通流程中的一个环节，大思路都是一样的。
金字塔层数不对应，Detector默认是金字塔层数为2,步长[4,8],在match过程中， for (int l = 0; l < pyramid_levels; ++l) { int T = T_at_level[l]; std::vector<LinearMemories> &lm_level = lm_pyramid[l]; if (l > 0) //l>0应该去除，i=0代表金字塔层1，i=1代表金字塔层2，以此类推 { for(int i = 0; i < (int)quantizers.size(); ++i) quantizers[i]->pyrDown(); } ....... }
matchClass()函数中关于int offset = lowest_T / 2 + (lowest_T % 2 - 1);中心点吗？ (x / T - 8 + best_c) * T + offset如何得来的？
static void spread(const Mat &src, Mat &dst, int T)中Fill in spread gradient image (section 2.3)是哪部分内容?对这部分不明白
for (int c = 0; c < src.cols; ++c)
{
// Least significant 4 bits of spread image pixel
lsb4_r[c] = src_r[c] & 15; //左四位字节
// Most significant 4 bits, right-shifted to be in [0, 16)
msb4_r[c] = (src_r[c] & 240) >> 4; //右四位字节
}
为什么要这样分?
你好，请问下加上icp之后，怎样来计算模型是偏移了多少x/y呢？ 比如之前可以用模板去和初始图匹配，得到一个match.x/y，然后再和目标图片匹配得到一个match.x/y，做差得到目标图偏移了多少的结果。 现在icp的结果是要把特征点算到图片位置上，再旋转+平移RegistrationResult的值。结果的角度确实可以直接用RegistrationResult给的，但是平移该怎么去计算修正值呢？谢谢
@oUp2Uo 跟初始图match不太合适，信息已经存在template里了。其实用transform矩阵来看很清楚，整个过程有3步，每一步对于一个transform。第一步是旋转缩放，第二步是crop切黑边（相当于平移），第三步是icp精调，三步的矩阵乘起来角度、平移都有了。 我看这个大家问的比较多，这几天我写个文档说明下吧。
//src:1,2,4,8,16,32,64,128
static void spread(const Mat &src, Mat &dst, int T)
{
dst = Mat::zeros(src.size(), CV_8U);
/*
T={4,8}
以T=4为例
dst[0][0]=src[0][0]|src[0][1]|src[0][2]|src[0][3]|
src[1][0]|src[1][1]|src[1][2]|src[1][3]|
src[2][0]|src[2][1]|src[2][2]|src[2][3]|
src[3][0]|src[3][1]|src[3][2]|src[3][3]|
/
for (int r = 0; r < T; ++r)
for (int c = 0; c < T; ++c)
{
//src.step1():colschannels
orUnaligned8u(&src.at
dst.ptr(),static_cast
这个很好理解，你可以反过来看src在dst的分布，比如src[0][0]在且仅在dst[0:4][0:4]有，这不就是想要的spread效果吗？（有一个2x2的小平移，不影响） SIMILARITY_LUT在16位方向参考代码里写的很清楚了。 比如用8位方向来注释第24行：
for(int i=0; i<8; i++){ // 8 ori
for(int m=0; m<2; m++){ // 2 seg (2 segment of 4 bits)
for(int n=0; n<16; n++){ // 16 index (2^4(4bits) = 16)
// 8*2*16 = 256, that is SIMILARITY_LUT[256]
@oUp2Uo 跟初始图match不太合适，信息已经存在template里了。其实用transform矩阵来看很清楚，整个过程有3步，每一步对于一个transform。第一步是旋转缩放，第二步是crop切黑边（相当于平移），第三步是icp精调，三步的矩阵乘起来角度、平移都有了。 我看这个大家问的比较多，这几天我写个文档说明下吧。
嗯谢谢楼主。 我按照我前面说的那种方式（就是拿模板和初始图匹配得到一个初始偏移位置，再拿目标图去匹配的结果，求差得到结果），在加了icp之后，基本分值排名1-5的，其实角度差就在0.1范围内，证明icp效果很好……就是平移的那块，不知道怎么算了……
@meiqua
我设置8个方向的代码,但是得到结果值与SIMILARITY_LUT[256]不一样,代码如下:
#include
- */ const int ORI=8; //8个方向 const int SEG=2; //2个分割 const int INDEX=16; //16索引 struct Node { int value; int prev; int next; };
int main() { std::vector<Node> nodes(ORI); for(int i=0; i<ORI; i++){ nodes[i].value = (1 << i); nodes[i].prev = i-1; nodes[i].next = i+1; } nodes[0].prev = ORI-1; nodes[ORI-1].next = 0;
uint8_t LUT[ORI*SEG*INDEX] = {0};
for(int i=0; i<ORI; i++){ // 16 ori
for(int m=0; m<SEG; m++){ // 4 seg
for(int n=0; n<INDEX; n++){ // 16 index
if(n==0){ // no ori
LUT[n+m*INDEX+i*ORI*SEG] = 0;
continue;
}
int res = (n << (m*SEG));
auto current_node_go_forward = nodes[i];
auto current_node_go_back = nodes[i];
int angle_diff = 0;
while(1){
if((current_node_go_forward.value & res) > 0 ||
(current_node_go_back.value & res) > 0){
break;
}else{
current_node_go_back = nodes[current_node_go_back.prev];
current_node_go_forward = nodes[current_node_go_forward.next];
angle_diff ++;
}
}
LUT[n+m*ORI+i*ORI*SEG] = 4 - angle_diff;
}
}
}
for(int i=0; i<ORI; i++){
for(int m=0; m<SEG*INDEX; m++){
cout << int(LUT[i*SEG*INDEX + m]) << ", ";
}
cout << "\n";
}
return 0;
}
能帮我看看什么原因吗?
KinectFusion: Real-time 3D Reconstruction and Interaction Using a Moving Depth Camera 搜索不到全文,能上传下吗?