create_uncalib_descriptor_modelT_create_uncalib_descriptor_modelCreateUncalibDescriptorModelCreateUncalibDescriptorModelcreate_uncalib_descriptor_model创建未标定描述符模型（算子）

名称

create_uncalib_descriptor_modelT_create_uncalib_descriptor_modelCreateUncalibDescriptorModelCreateUncalibDescriptorModelcreate_uncalib_descriptor_model — 为兴趣点匹配准备描述符模型。

签名

描述

算子 create_uncalib_descriptor_modelcreate_uncalib_descriptor_modelCreateUncalibDescriptorModelCreateUncalibDescriptorModelCreateUncalibDescriptorModelcreate_uncalib_descriptor_model 用于构建图像 TemplateTemplateTemplateTemplatetemplatetemplate 中指定区域的描述符模型，该模型可用于基于描述符的匹配。通过随后调用 find_uncalib_descriptor_modelfind_uncalib_descriptor_modelFindUncalibDescriptorModelFindUncalibDescriptorModelFindUncalibDescriptorModelfind_uncalib_descriptor_model，可以获得从 TemplateTemplateTemplateTemplatetemplatetemplate 到搜索图像的投影二维变换（单应性变换）。TemplateTemplateTemplateTemplatetemplatetemplate 中域区域的重心被用作模型的原点。与 create_calib_descriptor_modelcreate_calib_descriptor_modelCreateCalibDescriptorModelCreateCalibDescriptorModelCreateCalibDescriptorModelcreate_calib_descriptor_model 不同，此处无需校准相机，因此后续配准的结果为二维投影。请注意，TemplateTemplateTemplateTemplatetemplatetemplate 图像中可见的对象部分必须是平面的。

描述符模型描述了一组兴趣点。它存储了这些兴趣点的位置及其局部灰度邻域的判别性描述。兴趣点的提取由 DetectorTypeDetectorTypeDetectorTypeDetectorTypedetectorTypedetector_type、DetectorParamNameDetectorParamNameDetectorParamNameDetectorParamNamedetectorParamNamedetector_param_name 和 DetectorParamValueDetectorParamValueDetectorParamValueDetectorParamValuedetectorParamValuedetector_param_value 参数化。兴趣点周围的相应描述符由 DescriptorParamNameDescriptorParamNameDescriptorParamNameDescriptorParamNamedescriptorParamNamedescriptor_param_name 和 DescriptorParamValueDescriptorParamValueDescriptorParamValueDescriptorParamValuedescriptorParamValuedescriptor_param_value 参数化。参数 SeedSeedSeedSeedseedseed 用于初始化随返回的 ModelIDModelIDModelIDModelIDmodelIDmodel_id 是对生成的描述符模型的引用。机数生成器，该生成器在基于 随机蕨randomized ferns 实现的描述符构建过程中会被用到。该模型可用于通过 find_uncalib_descriptor_modelfind_uncalib_descriptor_modelFindUncalibDescriptorModelFindUncalibDescriptorModelFindUncalibDescriptorModelfind_uncalib_descriptor_model 高效检测已学习模板的实例，从而实现模型与搜索图像之间的透视变换。由于基于描述符的匹配依赖于稳定且具有区分度的兴趣点，因此待检测的对象必须具有纹理，但纹理不应呈重复模式。

检测器参数

如前所述，检测器用于从图像中提取稳定的兴趣点。通过参数 DetectorTypeDetectorTypeDetectorTypeDetectorTypedetectorTypedetector_type，可以选择要使用的兴趣点算子。目前支持 points_lepetitpoints_lepetitPointsLepetitPointsLepetitPointsLepetitpoints_lepetit、points_harrispoints_harrisPointsHarrisPointsHarrisPointsHarrispoints_harris 及其二项式近似 points_harris_binomialpoints_harris_binomialPointsHarrisBinomialPointsHarrisBinomialPointsHarrisBinomialpoints_harris_binomial（'lepetit'、'harris'、'harris_binomial'）。若模板或搜索图像对比度较低，应选用 Harris 点算子之一。根据所选的 DetectorTypeDetectorTypeDetectorTypeDetectorTypedetectorTypedetector_type，可在 DetectorParamNameDetectorParamNameDetectorParamNameDetectorParamNamedetectorParamNamedetector_param_name 和 DetectorParamValueDetectorParamValueDetectorParamValueDetectorParamValuedetectorParamValuedetector_param_value 中设置相应的参数名称和数值。

DetectorParamNameDetectorParamNameDetectorParamNameDetectorParamNamedetectorParamNamedetector_param_name 的可用参数名称及其默认值如下：

'lepetit'"lepetit""lepetit""lepetit""lepetit""lepetit"：

['radius'"radius""radius""radius""radius""radius", 'check_neighbor'"check_neighbor""check_neighbor""check_neighbor""check_neighbor""check_neighbor", 'min_check_neighbor_diff'"min_check_neighbor_diff""min_check_neighbor_diff""min_check_neighbor_diff""min_check_neighbor_diff""min_check_neighbor_diff", 'min_score'"min_score""min_score""min_score""min_score""min_score", 'subpix'"subpix""subpix""subpix""subpix""subpix"]

[ 3, 1, 15, 30, 'interpolation'][ 3, 1, 15, 30, "interpolation"][ 3, 1, 15, 30, "interpolation"][ 3, 1, 15, 30, "interpolation"][ 3, 1, 15, 30, "interpolation"][ 3, 1, 15, 30, "interpolation"]

'harris'"harris""harris""harris""harris""harris"：

['sigma_grad'"sigma_grad""sigma_grad""sigma_grad""sigma_grad""sigma_grad", 'sigma_smooth'"sigma_smooth""sigma_smooth""sigma_smooth""sigma_smooth""sigma_smooth", 'alpha'"alpha""alpha""alpha""alpha""alpha", 'threshold'"threshold""threshold""threshold""threshold""threshold"]

[0.7, 2.0, 0.08, 1000]

'harris_binomial'"harris_binomial""harris_binomial""harris_binomial""harris_binomial""harris_binomial"：

['mask_size_grd'"mask_size_grd""mask_size_grd""mask_size_grd""mask_size_grd""mask_size_grd", 'mask_size_smooth'"mask_size_smooth""mask_size_smooth""mask_size_smooth""mask_size_smooth""mask_size_smooth", 'alpha'"alpha""alpha""alpha""alpha""alpha", 'threshold'"threshold""threshold""threshold""threshold""threshold", 'subpix'"subpix""subpix""subpix""subpix""subpix"]

[5, 15, 0.08, 1000, 'on'][5, 15, 0.08, 1000, "on"][5, 15, 0.08, 1000, "on"][5, 15, 0.08, 1000, "on"][5, 15, 0.08, 1000, "on"][5, 15, 0.08, 1000, "on"]

有关这些参数含义的更多详细信息，请分别参阅 points_harrispoints_harrisPointsHarrisPointsHarrisPointsHarrispoints_harris、points_harris_binomialpoints_harris_binomialPointsHarrisBinomialPointsHarrisBinomialPointsHarrisBinomialpoints_harris_binomial 和 points_lepetitpoints_lepetitPointsLepetitPointsLepetitPointsLepetitpoints_lepetit 的说明。如果传递的是空元组，或者在 DetectorParamNameDetectorParamNameDetectorParamNameDetectorParamNamedetectorParamNamedetector_param_name 中未提供参数，则采用上述默认值。

调整算子参数时，应确保提取出 50 至 450 个特征点（具体数量取决于 TemplateTemplateTemplateTemplatetemplatetemplate 的纹理和尺寸），且这些特征点在模板的 ROI 上均匀分布。因此，建议预先运行所选的点算子，并通过 gen_cross_contour_xldgen_cross_contour_xldGenCrossContourXldGenCrossContourXldGenCrossContourXldgen_cross_contour_xld 可视化结果。在大多数情况下，使用默认设置即可满足需求。

描述符参数

点描述符是一种分类器，它为兴趣点构建其灰度邻域的特征描述。目前，该描述符采用所谓的 随机蕨randomized ferns 算法实现，该算法通过学习兴趣点周围区域中 随机 选定位置的像素对之间灰度差的极性来工作。该描述符随后将在 find_uncalib_descriptor_modelfind_uncalib_descriptor_modelFindUncalibDescriptorModelFindUncalibDescriptorModelFindUncalibDescriptorModelfind_uncalib_descriptor_model 中用于对搜索图像中的兴趣点进行分类，换言之：用于识别（匹配）搜索图像中的潜在模型点。

描述子只需存储投影 稳定 的兴趣点（这些点将在模板的多个投影视图中出现）。为了评估兴趣点的 稳定性，会进行一次模拟：对 TemplateTemplateTemplateTemplatetemplatetemplate 进行多次仿射变换，并在大多数视图中都能提取出的点被视为 稳定点。这些仿射变换很好地近似了兴趣点局部邻域内的投影变换。

可以通过 DescriptorParamNameDescriptorParamNameDescriptorParamNameDescriptorParamNamedescriptorParamNamedescriptor_param_name 和 DescriptorParamValueDescriptorParamValueDescriptorParamValueDescriptorParamValuedescriptorParamValuedescriptor_param_value 设置以下描述符参数：

描述符大小参数：

'depth'"depth""depth""depth""depth""depth"：

分类蕨的深度。更深的随机蕨能更好地区分兴趣点。然而，蕨的内存需求会按 'depth'"depth""depth""depth""depth""depth" 的 2 的幂次方增长。典型取值范围为 [5 .. 11]，默认值为 11。

'number_ferns'"number_ferns""number_ferns""number_ferns""number_ferns""number_ferns"：

使用的蕨结构数量。使用更多的蕨会提高识别稳健性，但也会增加匹配的运行时间。如果需要使描述符的内存占用较小，应使用大量深度较小的蕨（例如，'number_ferns'"number_ferns""number_ferns""number_ferns""number_ferns""number_ferns"=150，'depth'"depth""depth""depth""depth""depth"=5）。若更重视检测速度，则应使用较少数量但深度较大的蕨（例如，'number_ferns'"number_ferns""number_ferns""number_ferns""number_ferns""number_ferns"=10，'depth'"depth""depth""depth""depth""depth"=11）。典型取值范围为 [1 .. 150]，默认值为 30。

'patch_size'"patch_size""patch_size""patch_size""patch_size""patch_size"：

描述兴趣点的二次邻域边长。该参数值过大可能会影响运行时间。典型取值范围为 [15 .. 33]，默认值为 17。

综上所述，参数 'depth'"depth""depth""depth""depth""depth"、'number_ferns'"number_ferns""number_ferns""number_ferns""number_ferns""number_ferns" 和 'patch_size'"patch_size""patch_size""patch_size""patch_size""patch_size" 允许对检测的稳健性、速度和内存消耗进行直观控制。

模拟参数：

'tilt'"tilt""tilt""tilt""tilt""tilt"：

控制在模拟阶段是否启用投影变换。启用后，模型的稳健性将得到提升，能够检测到倾斜角度更大的对象；关闭后，训练时间可显著缩短，且模型仍能识别具有投影不变性的对象。取值范围为 ['on'"on""on""on""on""on", 'off'"off""off""off""off""off"]，默认值为 'on'"on""on""on""on""on"。

'min_rot'"min_rot""min_rot""min_rot""min_rot""min_rot"：

TemplateTemplateTemplateTemplatetemplatetemplate 法线向量周围的最小旋转角度。典型取值范围为 [-180 .. 0]，默认值为 -180。

'max_rot'"max_rot""max_rot""max_rot""max_rot""max_rot"：

TemplateTemplateTemplateTemplatetemplatetemplate 法线向量周围的最大旋转角度。典型取值范围为 [0 .. 180]，默认值为 180。

'min_scale'"min_scale""min_scale""min_scale""min_scale""min_scale"：

TemplateTemplateTemplateTemplatetemplatetemplate 的最小缩放比例。典型取值范围为 [0.1 .. 1.0]，默认值为 0.5。

'max_scale'"max_scale""max_scale""max_scale""max_scale""max_scale"：

TemplateTemplateTemplateTemplatetemplatetemplate 的最大缩放比例。典型取值范围为 [1.0 .. 3.5]，默认值为 1.4。

参数 'min_rot'"min_rot""min_rot""min_rot""min_rot""min_rot"、'max_rot'"max_rot""max_rot""max_rot""max_rot""max_rot"、'min_scale'"min_scale""min_scale""min_scale""min_scale""min_scale" 和 'max_scale'"max_scale""max_scale""max_scale""max_scale""max_scale" 允许手动设置用于训练描述符的模板的仿射变换视图。设置这些参数有助于缩短训练时间，尤其是与 'tilt'"tilt""tilt""tilt""tilt""tilt" 参数结合使用时。请注意，这些参数会直接影响 find_uncalib_descriptor_modelfind_uncalib_descriptor_modelFindUncalibDescriptorModelFindUncalibDescriptorModelFindUncalibDescriptorModelfind_uncalib_descriptor_model 的结果，因此必须谨慎设置。例如，如果旋转范围被限制在 'min_rot'"min_rot""min_rot""min_rot""min_rot""min_rot" = -10 至 'max_rot'"max_rot""max_rot""max_rot""max_rot""max_rot" = 10 之间，则无法找到旋转角度超出该范围的 TemplateTemplateTemplateTemplatetemplatetemplate 视图。受限的训练范围意味着找到 TemplateTemplateTemplateTemplatetemplatetemplate 所需的蕨数量和深度较少。在这种情况下，可以进一步减少蕨的数量和深度，从而优化模型。

备注

请注意，根据您的硬件配置不同，训练随机蕨模型的处理时间可能在几秒到几分钟之间。因此，训练好的模型可以使用 write_descriptor_modelwrite_descriptor_modelWriteDescriptorModelWriteDescriptorModelWriteDescriptorModelwrite_descriptor_model 和 read_descriptor_modelread_descriptor_modelReadDescriptorModelReadDescriptorModelReadDescriptorModelread_descriptor_model 进行保存和加载。

最终描述符点的参数和位置可以通过 get_descriptor_model_paramsget_descriptor_model_paramsGetDescriptorModelParamsGetDescriptorModelParamsGetDescriptorModelParamsget_descriptor_model_params 和 get_descriptor_model_pointsget_descriptor_model_pointsGetDescriptorModelPointsGetDescriptorModelPointsGetDescriptorModelPointsget_descriptor_model_points 获取。

create_uncalib_descriptor_modelcreate_uncalib_descriptor_modelCreateUncalibDescriptorModelCreateUncalibDescriptorModelCreateUncalibDescriptorModelcreate_uncalib_descriptor_model 会存储检测器类型、检测器参数和描述符参数，这些参数将在后续每次调用 find_uncalib_descriptor_modelfind_uncalib_descriptor_modelFindUncalibDescriptorModelFindUncalibDescriptorModelFindUncalibDescriptorModelfind_uncalib_descriptor_model 时使用。模型的参考点（原点）是模板 ROI 的质心。其坐标可通过 set_descriptor_model_originset_descriptor_model_originSetDescriptorModelOriginSetDescriptorModelOriginSetDescriptorModelOriginset_descriptor_model_origin 进行修改。

执行信息

• 多线程类型：可重入（与非独占算子并行运行）。
• 多线程作用域：全局（可从任何线程调用）。
• 未采用并行化处理。

此算子返回一个句柄。请注意，即使该句柄被用作特定算子的输入参数，这些算子仍可能改变此句柄类型的实例状态。

参数

可能的前趋

points_lepetitpoints_lepetitPointsLepetitPointsLepetitPointsLepetitpoints_lepetit, points_harrispoints_harrisPointsHarrisPointsHarrisPointsHarrispoints_harris, reduce_domainreduce_domainReduceDomainReduceDomainReduceDomainreduce_domain

可能的后继

get_descriptor_model_paramsget_descriptor_model_paramsGetDescriptorModelParamsGetDescriptorModelParamsGetDescriptorModelParamsget_descriptor_model_params, find_uncalib_descriptor_modelfind_uncalib_descriptor_modelFindUncalibDescriptorModelFindUncalibDescriptorModelFindUncalibDescriptorModelfind_uncalib_descriptor_model

另见

get_descriptor_model_paramsget_descriptor_model_paramsGetDescriptorModelParamsGetDescriptorModelParamsGetDescriptorModelParamsget_descriptor_model_params, find_uncalib_descriptor_modelfind_uncalib_descriptor_modelFindUncalibDescriptorModelFindUncalibDescriptorModelFindUncalibDescriptorModelfind_uncalib_descriptor_model

参考文献

V. Lepetit and P. Fua: “Keypoint Recognition using Randomized Trees.“ IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 28, Nr. 9, pp. 1465-1479, 2006.
M. Ozuysal, P. Fua, and V. Lepetit: “Fast Keypoint Recognition in Ten Lines of Code.“ In Proceedings of Conference on Computer Vision and Pattern Recognition, 2007.

模块

匹配

---