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.
Confrontare le linee
Salva il caso iniziale come A e confronta coppie non filtrate, rotazione, scala o motivi come B. Cerchi blu e linee continue: accettati e veri; croci viola e linee continue: accettati ma falsi. Puntini grigi: scarto del descrittore; trattini arancioni: scarto geometrico. Su mobile le immagini sono impilate. Ripristina carica i valori iniziali; condividi riproduce i controlli attuali, non A.
Dai punti ai descrittori
Lo Shi–Tomasi condiviso seleziona al massimo 80 punti per immagine. Il descrittore è una patch grigia valida di 9×9 pixel, grezza oppure centrata e normalizzata L2. La distanza è euclidea L2. Il filtro del rapporto richiede due vicini e rigorosamente d1 < limite × d2; una seconda distanza nulla fallisce. Il filtro reciproco richiede vicini più prossimi in entrambe le direzioni. Normalizzare può gestire un guadagno senza saturazione, ma non offre invarianza a rotazione o scala. Non è ORB né SIFT.
Geometria e verità nota
La verifica facoltativa stima una similitudine: traslazione, rotazione e scala uniforme, senza taglio o prospettiva. Prova tutte le ipotesi da due coppie, richiede almeno tre sostenitori, riadatta una volta e controlla i residui in pixel di destinazione. Con meno di tre candidati o nessun modello utilizzabile non accetta nulla. Disattivata, accetta le coppie filtrate dai descrittori; le metriche del modello sono indefinite.
Il rapporto di inlier divide gli inlier del modello per i candidati filtrati. La frazione vera degli accettati usa separatamente la trasformazione nota e una tolleranza fissa di 3 pixel. Il RMS vero misura errori di posizione; quello del modello i residui. Il RMS sulla griglia confronta le trasformazioni su una griglia visibile fissa. Denominatore vuoto: —. Anche un modello errato può avere piccoli residui, come nel caso a 30°. I motivi ripetuti non provano l’identità dell’oggetto.
Esempi registrati
Risultati calcolati con le preimpostazioni fornite. Immagini, maschere e trasformazioni riusano il laboratorio di estrazione: campionamento bilineare, media quadrata, guadagno, rumore uniforme fisso e limitazione. I grigi non sono luminanza fisica; il ridimensionamento verso il basso non ha prefiltro antialiasing. Le fonti definiscono soglie, parità, maschere e griglia. Il JSON conserva pixel e tutte le coppie proposte.
| Preimpostazione | Vicini | Filtrati | Accettati | Rapporto inlier | Veri / accettati |
|---|---|---|---|---|---|
| Iniziale | 22 | 11 | 11 | 100.0% | 100.0% |
| Rotazione 30° | 22 | 6 | 3 | 50.0% | 0.0% |
| 30° · soglia 6 px | 22 | 6 | 5 | 83.3% | 0.0% |
| Motivo · non filtrato | 80 | 80 | 80 | — | 7.5% |
| Motivo · filtrato | 80 | 1 | 0 | — | — |
| Senza texture | 0 | 0 | 0 | — | — |
Proseguire lo studio
- Laboratorio di estrazione
- Teoria del tracciamento dei punti
- Panoramica di Visual SLAM
- Sorgenti, modello e test di riferimento
- Metriche registrate in JSON
- Riferimento OpenCV per le corrispondenze
Segui questi punti tra due immagini nel Lab di flusso ottico.
Lab di luminosità e luminanza — esposizione, gamma e clipping
Commenti
Accedi per continuare.
Nessun dato disponibile.