Laboratório de extração de pontos — comparar Harris e Shi–Tomasi

Mude uma condição por vez

Execute o caso inicial e salve como A. Escolha a rotação e execute novamente: as imagens de origem e destino de A e B aparecem na mesma escala. Círculos azuis são detecções; cruzes laranja são referências projetadas pela transformação conhecida. Compare Harris e Shi–Tomasi com os mesmos ajustes de imagem. Redefinir restaura os padrões; compartilhar reproduz os controles atuais, não o resultado A salvo.

O que os detectores calculam

Ambos usam a matriz local de gradientes M. Harris calcula det(M) − 0.04 trace(M)²; Shi–Tomasi usa o menor autovalor. A janela tem 3, 5 ou 7 pixels. Limiar relativo, máximos locais, espaçamento mínimo e limite de pontos selecionam o resultado. O limiar acompanha a maior pontuação da imagem: escurecer sem recorte pode manter a contagem. São detectores de escala única, não descritores: selecionam posições sem identificar correspondências nem calcular movimento da câmera.

Transformações de imagem

As imagens de 160×120 pixels contêm formas, padrões repetidos, uma rampa com pouca textura ou uma borda. As coordenadas crescem para a direita e para baixo; a rotação positiva é horária em torno do centro. Ordem: amostragem bilinear, média em janela quadrada, ganho de intensidade, ruído uniforme com semente fixa e recorte em [0,1]. O desfoque é um raio; o ruído, uma amplitude. Os tons de cinza codificados não são luminância física. A redução não tem pré-filtro antialiasing. Regiões clareadas são excluídas para não contar cantos criados pelas bordas da transformação e pelo suporte dos filtros.

Como interpretar a cobertura

Referências válidas são detecções da origem projetadas na região válida de detecção do destino. A cobertura é a fração dessas referências com alguma detecção a até 3 pixels de destino. Um denominador vazio resulta em indefinido (—). Várias referências podem usar uma detecção: trata-se de cobertura direcional por proximidade, não de precisão de correspondências nem de repetibilidade simétrica padrão. Padrões repetidos podem parecer bons sem identificar o objeto correto. O JSON contém pixels, máscaras, pontos e transformação.

Exemplos registrados

Os valores foram gerados pelo modelo distribuído com os ajustes Shi–Tomasi padrão, mudando apenas a predefinição indicada. O exemplo com pouca textura mantém a razão indefinida, sem inventar uma taxa de sucesso de zero por cento.

Diagram 1 · Use the button to switch views

Continuar aprendendo

• Teoria da detecção de pontos
• Visão geral de Visual SLAM
• Fontes, definições do modelo e testes de referência
• Métricas registradas em JSON
• Referência dos detectores OpenCV

Continue no laboratório de correspondências para comparar descritores, filtros e geometria com correspondências conhecidas.

Lab de brilho e luminância — exposição, gama e recorte