Laboratorio di estrazione dei punti — confrontare Harris e Shi–Tomasi

Modificare una condizione alla volta

Esegui il caso iniziale e salvalo come A. Scegli la rotazione ed esegui di nuovo: le immagini sorgente e destinazione di A e B appaiono alla stessa scala. I cerchi blu sono rilevamenti, le croci arancioni riferimenti proiettati con la trasformazione nota. Confronta Harris e Shi–Tomasi con le stesse impostazioni d’immagine. Il ripristino carica i valori iniziali; la condivisione riproduce i controlli attuali, non il risultato A salvato.

Cosa calcolano i rilevatori

Entrambi usano la matrice locale dei gradienti M. Harris calcola det(M) − 0.04 trace(M)², Shi–Tomasi il suo autovalore minore. La finestra misura 3, 5 o 7 pixel. Soglia relativa, massimi locali, distanza minima e limite dei punti selezionano il risultato. La soglia segue il punteggio massimo dell’immagine: scurire senza saturazione può lasciare invariato il conteggio. Sono rilevatori a scala singola, non descrittori: scelgono posizioni senza identificare corrispondenze né calcolare il moto della fotocamera.

Trasformazioni delle immagini

Le immagini di 160×120 pixel contengono forme, motivi ripetuti, una rampa poco strutturata o un bordo. Le coordinate crescono verso destra e in basso; la rotazione positiva è oraria intorno al centro. Ordine: campionamento bilineare, media su finestra quadrata, guadagno d’intensità, rumore uniforme con seme fisso, limitazione a [0,1]. La sfocatura è un raggio, il rumore un’ampiezza. I grigi codificati non sono luminanza fisica. La riduzione non usa un prefiltro antialiasing. Le zone schiarite sono escluse per non contare angoli prodotti dai confini della trasformazione e dal supporto dei filtri.

Interpretare la copertura

I riferimenti validi sono rilevamenti sorgente proiettati nella regione valida di rilevamento della destinazione. La copertura è la frazione con un rilevamento entro 3 pixel di destinazione. Un denominatore vuoto dà un valore indefinito (—). Più riferimenti possono usare lo stesso rilevamento: è copertura direzionale di prossimità, non accuratezza delle corrispondenze né ripetibilità simmetrica standard. Motivi ripetuti possono sembrare convincenti senza identificare l’oggetto corretto. Il JSON contiene pixel, maschere, punti e trasformazione.

Esempi registrati

I valori sono stati generati dal modello distribuito con i parametri Shi–Tomasi iniziali, modificando solo la preimpostazione indicata. Il caso poco strutturato mantiene il rapporto indefinito senza inventare un successo dello zero per cento.

Diagram 1 · Use the button to switch views

Proseguire lo studio

• Teoria del rilevamento dei punti
• Panoramica di Visual SLAM
• Sorgenti, definizioni del modello e test di riferimento
• Metriche registrate in JSON
• Riferimento dei rilevatori OpenCV

Prosegui nel laboratorio di corrispondenze per confrontare descrittori, filtri e geometria con coppie note.

Lab di luminosità e luminanza — esposizione, gamma e clipping