特徴点のタイプ
イメージの特徴検出は、イメージのレジストレーション、追跡およびオブジェクト検出といった多くのコンピューター ビジョン タスクの基本ブロックとなります。Computer Vision Toolbox™ にはイメージの特徴を検出するさまざまな関数が含まれています。これらの関数は、(x,y) 座標 (Location
プロパティ内) など、特定タイプの特徴に固有の情報を格納する点オブジェクトを返します。検出関数から得た点オブジェクトは、特徴点の入力を必要とする他の各種の関数に渡すことができます。検出関数で返す点オブジェクトのタイプは、その関数が使用するアルゴリズムによって決まります。詳細については、局所特徴の検出と抽出を参照してください。
点オブジェクトを返す関数
点オブジェクト | 生成元 | 特徴のタイプ |
---|---|---|
cornerPoints | detectFASTFeatures Features from accelerated segment test (FAST) アルゴリズム 近似メトリクスを使用してコーナーを判定。[1] |
コーナー |
detectMinEigenFeatures 最小固有値アルゴリズム 最小固有値メトリクスを使用してコーナーの位置を判定。[4] | ||
detectHarrisFeatures Harris-Stephens アルゴリズム 最小固有値アルゴリズムよりも効率的。[3] | ||
BRISKPoints | detectBRISKFeatures Binary Robust Invariant Scalable Keypoints (BRISK) アルゴリズム [6] |
コーナー |
SIFTPoints | detectSIFTFeatures Scale-invariant feature transform |
ブロブ |
SURFPoints | detectSURFFeatures Speeded-Up Robust Features (SURF) アルゴリズム [11] |
ブロブ |
ORBPoints | detectORBFeatures Oriented FAST and Rotated BRIEF (ORB) 法[13] |
コーナー |
KAZEPoints | detectKAZEFeatures KAZE は頭辞語ではなく、風を意味する日本語 kaze から派生した名前です。大規模な非線形プロセスで規定される空気の流れを基準とします。[12] | マルチスケール ブロブ特徴 オブジェクト境界のブレ除去の削減 |
MSERRegions |
|
強度が一様な領域 |
点オブジェクトを受け入れる関数
関数 | 説明 | ||||
---|---|---|---|---|---|
estrelpose | カメラの姿勢間の相対的な回転と並進を計算 | ||||
estimateFundamentalMatrix | ステレオ イメージ内の対応する点から基礎行列を推定 | ||||
estgeotform2d | マッチする点のペアから幾何学変換を推定 | ||||
estimateUncalibratedRectification | キャリブレーションなしのステレオ平行化 | ||||
extractFeatures | 関心点記述子の抽出 | ||||
Method | 特徴ベクトル | ||||
BRISK | 関数は validPoints 出力オブジェクトの Orientation プロパティを、抽出した特徴の向き (ラジアン単位) に設定します。 | ||||
FREAK | 関数は validPoints 出力オブジェクトの Orientation プロパティを、抽出した特徴の向き (ラジアン単位) に設定します。 | ||||
SURF | 関数は
| ||||
KAZE | 非線形のピラミッド ベースの特徴。 関数は
オブジェクトの | ||||
ORB | 関数は validPoints 出力オブジェクトの Orientation プロパティを、抽出した特徴の向きに設定しません。既定では、validPoints の Orientation プロパティは入力 ORBPoints オブジェクトの Orientation プロパティに設定されます。 | ||||
Block | シンプルな正方形近傍。
| ||||
Auto | この関数は入力の点のクラスに基づいて
[x y] 座標の M 行 2 列の入力行列の場合、関数は | ||||
extractHOGFeatures | 勾配方向ヒストグラム (HOG) 特徴を抽出 | ||||
insertMarker | イメージまたはビデオにマーカーを挿入 | ||||
showMatchedFeatures | 対応する特徴点を表示 | ||||
triangulate | ステレオ イメージでの歪み補正後のマッチする点の 3 次元位置 | ||||
undistortPoints | レンズ歪みの点座標の修正 |
参照
[1] Rosten, E., and T. Drummond, “Machine Learning for High-Speed Corner Detection.” 9th European Conference on Computer Vision. Vol. 1, 2006, pp. 430–443.
[2] Mikolajczyk, K., and C. Schmid. “A performance evaluation of local descriptors.” IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol. 27, Issue 10, 2005, pp. 1615–1630.
[3] Harris, C., and M. J. Stephens. “A Combined Corner and Edge Detector.” Proceedings of the 4th Alvey Vision Conference. August 1988, pp. 147–152.
[4] Shi, J., and C. Tomasi. “Good Features to Track.” Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. June 1994, pp. 593–600.
[5] Tuytelaars, T., and K. Mikolajczyk. “Local Invariant Feature Detectors: A Survey.” Foundations and Trends in Computer Graphics and Vision. Vol. 3, Issue 3, 2007, pp. 177–280.
[6] Leutenegger, S., M. Chli, and R. Siegwart. “BRISK: Binary Robust Invariant Scalable Keypoints.” Proceedings of the IEEE International Conference. ICCV, 2011.
[7] Nister, D., and H. Stewenius. "Linear Time Maximally Stable Extremal Regions." Lecture Notes in Computer Science. 10th European Conference on Computer Vision. Marseille, France: 2008, no. 5303, pp. 183–196.
[8] Matas, J., O. Chum, M. Urba, and T. Pajdla. "Robust wide-baseline stereo from maximally stable extremal regions." Proceedings of British Machine Vision Conference. 2002, pp. 384–396.
[9] Obdrzalek D., S. Basovnik, L. Mach, and A. Mikulik. "Detecting Scene Elements Using Maximally Stable Colour Regions." Communications in Computer and Information Science. La Ferte-Bernard, France: 2009, Vol. 82 CCIS (2010 12 01), pp 107–115.
[10] Mikolajczyk, K., T. Tuytelaars, C. Schmid, A. Zisserman, T. Kadir, and L. Van Gool. "A Comparison of Affine Region Detectors." International Journal of Computer Vision. Vol. 65, No. 1–2, November, 2005, pp. 43–72.
[11] Bay, H., A. Ess, T. Tuytelaars, and L. Van Gool. “SURF:Speeded Up Robust Features.” Computer Vision and Image Understanding (CVIU).Vol. 110, No. 3, 2008, pp. 346–359.
[12] Alcantarilla, P.F., A. Bartoli, and A.J. Davison. "KAZE Features", ECCV 2012, Part VI, LNCS 7577 pp. 214, 2012
[13] Rublee, E., V. Rabaud, K. Konolige and G. Bradski. "ORB: An efficient alternative to SIFT or SURF." In Proceedings of the 2011 International Conference on Computer Vision, 2564–2571. Barcelona, Spain, 2011.
[14] Rosten, E., and T. Drummond. "Fusing Points and Lines for High Performance Tracking," Proceedings of the IEEE International Conference on Computer Vision, Vol. 2 (October 2005): pp. 1508–1511.
[15] Lowe, David G.. "Distinctive Image Features from Scale-Invariant Keypoints." Int. J. Comput. Vision 60 , no. 2 (2004): 91–110.