Contents — find the section you need
Change parameters and verify
Open the panel, then press Run to load Python. You can stop execution and reset parameters. Results are computed on this device. No Python installation is required.
Local execution steps below are optional for reproducing the source results; they are not required for the browser experiment.
The experiment controls are in English.
Verbindungslinien vergleichen
Den Ausgangsfall als A speichern und ungefilterte Zuordnungen, Drehung, Skalierung oder Muster als B vergleichen. Blaue Kreise mit durchgezogenen Linien sind akzeptiert und richtig; violette Kreuze mit durchgezogenen Linien akzeptiert und falsch. Graue Punkte markieren Deskriptorablehnungen, orange Striche geometrische Ablehnungen. Mobil stehen Bilder untereinander. Zurücksetzen lädt Vorgaben; Teilen überträgt aktuelle Einstellungen, nicht A.
Von Punkten zu Deskriptoren
Der gemeinsame Shi–Tomasi-Detektor wählt maximal 80 Punkte je Bild. Deskriptoren sind gültige 9×9-Grauwertbereiche: roh oder mittelwertbereinigt und L2-normalisiert. Gemessen wird euklidischer L2-Abstand. Der Quotientenfilter braucht zwei Nachbarn und strikt d1 < Grenze × d2; ein zweiter Abstand von null wird abgelehnt. Gegenseitige Nachbarschaft verlangt beidseitige nächste Nachbarn. Normalisierung kann Helligkeitsverstärkung ohne Clipping behandeln, bietet aber keine Dreh- oder Skaleninvarianz. Das ist weder ORB noch SIFT.
Geometrie und Referenz
Die optionale Geometrieprüfung schätzt eine Ähnlichkeit mit Translation, Drehung und einheitlichem Maßstab, ohne Scherung oder Perspektive. Alle Hypothesen aus zwei Paaren werden geprüft; mindestens drei Unterstützer sind nötig. Einmal nachschätzen, dann Residuen in Zielpixeln prüfen. Unter drei Kandidaten oder ohne brauchbares Modell wird nichts akzeptiert. Bei ausgeschalteter Geometrie gelten die Deskriptorfilter allein; Modellmetriken sind undefiniert.
Der Inlier-Anteil teilt Modell-Inlier durch gefilterte Kandidaten. Der richtige Anteil akzeptierter Paare verwendet dagegen die bekannte Transformation und feste 3 Pixel Toleranz. Referenz-RMS misst Endpunktfehler, Modell-RMS Anpassungsresiduen. Gitter-RMS vergleicht beide Transformationen an einem festen sichtbaren Gitter. Leere Nenner ergeben —. Auch ein falsches Modell kann kleine Residuen haben; der 30°-Fall zeigt das. Wiederholte Muster beweisen keine Objektidentität.
Gespeicherte Beispiele
Die Werte stammen aus den mitgelieferten Voreinstellungen. Bilder, Masken und Transformationen kommen aus dem Extraktionslabor: bilineares Sampling, Box-Glättung, Verstärkung, festes gleichverteiltes Rauschen, Clipping. Kodierte Grauwerte sind keine physikalische Leuchtdichte; beim Verkleinern fehlt ein Antialiasing-Vorfilter. Das Quellpaket definiert Schwellen, Gleichstände, Masken und Gitter. JSON enthält Pixel und alle vorgeschlagenen Paare.
| Voreinstellung | Nächste | Gefiltert | Akzeptiert | Modell-Inlier-Anteil | Richtig / akzeptiert |
|---|---|---|---|---|---|
| Ausgangsfall | 22 | 11 | 11 | 100.0% | 100.0% |
| Drehung 30° | 22 | 6 | 3 | 50.0% | 0.0% |
| 30° · Schwelle 6 px | 22 | 6 | 5 | 83.3% | 0.0% |
| Muster · ungefiltert | 80 | 80 | 80 | — | 7.5% |
| Muster · gefiltert | 80 | 1 | 0 | — | — |
| Ohne Textur | 0 | 0 | 0 | — | — |
Weiterlernen
- Labor zur Merkmalserkennung
- Theorie der Merkmalsverfolgung
- Visual-SLAM-Überblick
- Quellen, Modelldefinitionen und Referenztests
- Gespeicherte Metriken als JSON
- OpenCV-Matchingreferenz
Verfolge diese Punkte zwischen zwei Bildern im Optischer-Fluss-Lab.
Lab für Bildhelligkeit und Leuchtdichte — Belichtung, Gamma und Clipping
Kommentare
Bitte zuerst anmelden.
Noch keine Einträge.