增强现实中的SURF和SIFT交替目标跟踪算法

我想你的冲浪方式可能需要一些改变?

Here is a link 麻省理工学院关于在移动设备上使用SURF进行增强现实应用的论文。

在本节中,我们将介绍我们的 SURF-al-gorithm的实现 以及它对移动设备的适应性 这种准确度对速度有影响 最近邻搜索并显示 我们可以达到一个数量级 加快速度,对速度的影响最小 匹配精度。最后,我们讨论了- 管道我们研究表演, 在电话里。

您可能还想了解OpenCV的算法,因为它们经过了尝试和测试。

取决于 在应用程序中,您可以减少这些算法的通用性,以便在图像中查找已知的POI和标记。

部分 POI是从2D图像中的一个点到另一个点估计其向量,然后可选地确认其仍然存在(通过像素特征)。同样的方法可用于跟踪(而不是重新扫描整个图像)POI和POI组/对象透视和旋转的变化。

在线上有大量的纸张用于跟踪2D投影上的对象(在许多情况下,可以达到严重倾斜)。

你应该试试快速探测器

http://svr-www.eng.cam.ac.uk/~er258/work/fast.html

OpenSURF

更新: 我只是想指出,您不必在每一帧中执行SURF匹配步骤,您只需每隔一帧执行一次,然后在不执行SURF的帧中插入对象的位置。

如果您想要(某种程度上)通用跟踪器,您可能需要检查PTAM。场地( http://www.robots.ox.ac.uk/~gk/PTAM/ )现在已经关机了,但这里有一段关于它在iPhone上工作的时髦视频( http://www.youtube.com/watch?v=pBI5HwitBX4 )

Mahotas 在库中,我发现即使使用一些相当大的图像(例如1024x768),平均也需要0.36秒。这是Python和C的混合,所以我想其他一些纯C实现会更快。

http://computer-vision-talks.com/2011/01/comparison-of-the-opencvs-feature-detection-algorithms-2/

看一看。这可能有用!

根据这种比较,正如mirror2image所建议的,FAST是最佳选择。但这取决于你真正想要实现什么。

我在受限嵌入式系统中使用的一个选项是使用更简单的兴趣点检测器:例如FAST或Shi-Tomasi。我使用了Shi-Tomasi,因为我的目标是FPGA,可以轻松地以像素速率运行,而无需大量缓冲。