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.
Her seferinde tek koşulu değiştirin
Başlangıç örneğini çalıştırıp A olarak kaydedin. Döndürme önayarını seçip tekrar çalıştırın: A ve B'nin kaynak ve hedef görüntüleri aynı ölçekte gösterilir. Mavi daireler algılanan noktaları, turuncu artılar bilinen dönüşümle yansıtılan referansları belirtir. Harris ve Shi–Tomasi'yi aynı görüntü ayarlarıyla karşılaştırın. Sıfırlama varsayılanları geri getirir; paylaşım kaydedilen A sonucunu değil, mevcut ayarları yeniden üretir.
Algılayıcıların hesapladıkları
İkisi de yerel gradyan matrisi M'yi kullanır. Harris det(M) − 0.04 trace(M)² değerini, Shi–Tomasi küçük özdeğeri kullanır. Pencere genişliği 3, 5 veya 7 pikseldir. Göreli eşik, yerel maksimumlar, asgari aralık ve nokta sınırı seçimi belirler. Eşik görüntüdeki en yüksek skoru izlediğinden, kırpma olmadan karartmak nokta sayısını azaltmayabilir. Bunlar tek ölçekli algılayıcılardır, betimleyici değildir: konum seçerler ancak eşleşme veya kamera hareketi hesaplamazlar.
Görüntü dönüşümleri
160×120 piksellik görüntüler şekiller, tekrar eden desen, düşük dokulu rampa veya kenar içerir. Koordinatlar sağa ve aşağı artar; pozitif dönüş görüntü merkezi çevresinde saat yönündedir. Sıra: çift doğrusal örnekleme, kare kutu ortalaması, yoğunluk kazancı, sabit tohumlu düzgün dağılımlı gürültü ve [0,1] aralığına kırpma. Bulanıklık yarıçap, gürültü genliktir. Kodlanmış gri değerler fiziksel luminans değildir. Küçültmede kenar yumuşatma önfiltresi yoktur. Dönüşüm sınırları ve filtre desteği sayılan köşeler oluşturmasın diye açık gösterilen bölgeler dışlanır.
Kapsama oranını yorumlama
Geçerli referanslar, hedefin geçerli algılama bölgesine yansıtılan kaynak noktalarıdır. Kapsama, 3 hedef piksel içinde herhangi bir hedef algılaması bulunan referansların oranıdır. Payda boşsa sonuç tanımsızdır (—). Birden fazla referans aynı algılamayı kullanabilir: bu yönlü yakınlık kapsamıdır, eşleştirme doğruluğu veya standart simetrik tekrarlanabilirlik ölçütü değildir. Tekrarlı desenler doğru nesneyi bulmadan iyi görünebilir. JSON gerçek pikselleri, maskeleri, noktaları ve dönüşümü içerir.
Kaydedilmiş örnekler
Değerler dağıtılan modelin varsayılan Shi–Tomasi ayarlarından, yalnızca belirtilen önayar değiştirilerek hesaplandı. Düşük doku örneğinde tanımsız oran korunur; sıfır yüzdeli başarı uydurulmaz.
| Önayar | Kaynak noktaları | Hedef noktaları | Kapsanan / geçerli | Kapsama |
|---|---|---|---|---|
| Başlangıç | 22 | 22 | 22 / 22 | 100.0% |
| 30° dönüş | 22 | 21 | 16 / 20 | 80.0% |
| Düşük doku | 0 | 0 | 0 / 0 | — |
Öğrenmeye devam edin
- Özellik algılama kuramı
- Visual SLAM genel bakışı
- Kaynak, model tanımları ve referans testleri
- Kaydedilen metrikler JSON
- OpenCV algılayıcı kaynağı
Görüntü parlaklığı ve luminans Lab — pozlama, gama ve kırpma
Yorumlar
Lütfen önce giriş yapın.
Henüz veri yok.