特徴点検出

ビデオ チュートリアル 16 - 特徴点の検出と保存: https://singtown.com/learn/50021/

テンプレートマッチングと特徴点検出の比較：

• テンプレート マッチング (find_temolate) は、基本的にテンプレート画像と同じサイズと角度のパターンのみをマッチングできる ncc アルゴリズムを使用します。制限は比較的大きく、視野内のターゲット パターンがテンプレート画像よりわずかに大きいか小さい場合、マッチングが成功しない可能性があります。

• テンプレートマッチングは、カメラと対象物体の距離が決まっており、動的な動きが必要ない場合に適しています。たとえば、組み立てライン上の特定のオブジェクトの検出には適していますが、移動するバレーボールを車で追跡するのには適していません（移動するバレーボールとカメラの間の距離は動的であるため、カメラから見えるバレーボールのサイズは変化します）。カメラは変更されるため、テンプレート画像とまったく同じにはなりません）。

• マルチアングルおよびマルチサイズのマッチングの場合は、複数のテンプレートを保存し、複数のテンプレート マッチング を使用してみてください。

• 特徴点検出 (find_keypoint): プログラムの実行を開始したばかりの場合、ルーチンは最初の画像をターゲット オブジェクトの特徴として抽出し、kpts1 はターゲット オブジェクトの特徴を保存します。デフォルトでは、ターゲット フィーチャを保存するときにサイズと角度だけでなく、ターゲット フィーチャの複数の比率、サイズ、角度が一致します。テンプレート マッチングよりも柔軟で、マルチ テンプレート マッチングのように複数のテンプレート イメージを保存する必要はありません。

• 特徴点検出では、ターゲットの特徴を事前に保存することもできます。これは、周囲光の干渉などにより、プログラムを実行するたびに異なる照明の特徴が変化し、一致度が低下する可能性があるため、これまでは推奨されませんでした。ただし、最新バージョンのファームウェアでは、露出、ホワイトバランス、自動ゲイン値の調整が追加され、露出値とホワイトバランス値を人為的に定義できるようになり、光の干渉が相対的に弱まります。 。事前に対象のフィーチャを保存してみることもできます。

特徴点検出

このルーチンは 09-feature-Detection-keypoints.py です。\ このルーチンは、特徴抽出とターゲット追跡に FAST/AGAST アルゴリズムを使用し、グレースケール画像のみをサポートします。

注: このルーチンでは、プログラムの最初の 10 秒間に表示されるオブジェクトをターゲット フィーチャとして使用します。プログラムの開始時にターゲット オブジェクトをカメラの中央に配置して、フィーチャ コーナーが表示されるまでターゲット オブジェクトを識別してください。ターゲットが特定され、特徴が記録されました。

マッチング処理中に、画面に十字や四角形のボックスが表示されれば、マッチングが成功したことを示します。

# 利用特征点检测特定物体例程。
# 向相机显示一个对象，然后运行该脚本。 一组关键点将被提取一次，然后
# 在以下帧中进行跟踪。 如果您想要一组新的关键点，请重新运行该脚本。
# 注意：请参阅文档以调整find_keypoints和match_keypoints。
import sensor, time, image

# Reset sensor
sensor.reset()

# Sensor settings
sensor.set_framesize(sensor.VGA)
sensor.set_windowing((320, 240))
sensor.set_pixformat(sensor.GRAYSCALE)

sensor.skip_frames(time = 2000)
sensor.set_auto_gain(False)

#画出特征点
def draw_keypoints(img, kpts):
    if kpts:
        print(kpts)
        img.draw_keypoints(kpts)
        img = sensor.snapshot()
        time.sleep_ms(1000)

kpts1 = None
#kpts1保存目标物体的特征，可以从文件导入特征，但是不建议这么做。
#kpts1 = image.load_descriptor("/desc.orb")
#img = sensor.snapshot()
#draw_keypoints(img, kpts1)

clock = time.clock()

while (True):
    clock.tick()
    img = sensor.snapshot()
    if (kpts1 == None):
        #如果是刚开始运行程序，提取最开始的图像作为目标物体特征，kpts1保存目标物体的特征
        #默认会匹配目标特征的多种比例大小，而不仅仅是保存目标特征时的大小，比模版匹配灵活。
        # NOTE: By default find_keypoints returns multi-scale keypoints extracted from an image pyramid.
        kpts1 = img.find_keypoints(max_keypoints=150, threshold=10, scale_factor=1.2)
        #image.find_keypoints(roi=Auto, threshold=20, normalized=False, scale_factor=1.5, max_keypoints=100, corner_detector=CORNER_AGAST)
        #roi表示识别的区域，是一个元组（x,y,w,h）,默认与framsesize大小一致。
        #threshold是0~255的一个阈值，用来控制特征点检测的角点数量。用默认的AGAST特征点检测，这个阈值大概是20。用FAST特征点检测，这个阈值大概是60～80。阈值越低，获得的角点越多。
        #normalized是一个布尔数值，默认是False，可以匹配目标特征的多种大小（比ncc模版匹配效果灵活）。如果设置为True，关闭特征点检测的多比例结果，仅匹配目标特征的一种大小（类似于模版匹配），但是运算速度会更快一些。
        #scale_factor是一个大于1.0的浮点数。这个数值越高，检测速度越快，但是匹配准确率会下降。一般在1.35~1.5左右最佳。
        #max_keypoints是一个物体可提取的特征点的最大数量。如果一个物体的特征点太多导致RAM内存爆掉，减小这个数值。
        #corner_detector是特征点检测采取的算法，默认是AGAST算法。FAST算法会更快但是准确率会下降。
        draw_keypoints(img, kpts1)
        #画出此时的目标特征
    else:
        #当与最开始的目标特征进行匹配时，默认设置normalized=True，只匹配目标特征的一种大小。
        # NOTE: When extracting keypoints to match the first descriptor, we use normalized=True to extract
        # keypoints from the first scale only, which will match one of the scales in the first descriptor.
        kpts2 = img.find_keypoints(max_keypoints=150, threshold=10, normalized=True)
        #如果检测到特征物体
        if (kpts2):
            #匹配当前找到的特征和最初的目标特征的相似度
            match = image.match_descriptor(kpts1, kpts2, threshold=85)
            #image.match_descriptor(descritor0, descriptor1, threshold=70, filter_outliers=False)。本函数返回kptmatch对象。
            #threshold阈值设置匹配的准确度，用来过滤掉有歧义的匹配。这个值越小，准确度越高。阈值范围0～100，默认70
            #filter_outliers默认关闭。

            #match.count()是kpt1和kpt2的匹配的近似特征点数目。
            #如果大于10，证明两个特征相似，匹配成功。
            if (match.count()>10):
                # If we have at least n "good matches"
                # Draw bounding rectangle and cross.
                #在匹配到的目标特征中心画十字和矩形框。
                img.draw_rectangle(match.rect())
                img.draw_cross(match.cx(), match.cy(), size=10)

            #match.theta()是匹配到的特征物体相对目标物体的旋转角度。
            print(kpts2, "matched:%d dt:%d"%(match.count(), match.theta()))
            #不建议draw_keypoints画出特征角点。
            # NOTE: uncomment if you want to draw the keypoints
            #img.draw_keypoints(kpts2, size=KEYPOINTS_SIZE, matched=True)

    # Draw FPS
    #打印帧率。
    img.draw_string(0, 0, "FPS:%.2f"%(clock.fps()))

プログラムを実行すると次のような効果が得られます。