33PVR – Počítačové vidění a virtuální realita – DU-03 – Parametry

Parametry použité vyučujícím

Zimní semestr 2009/2010.

Harrisův detektor

Byl použit detektor z knihy Tomáš Svoboda, Jan Kybic , and Václav Hlaváč: Image Processing, Analysis, and Machine Vision: A MATLAB Companion (http://visionbook.felk.cvut.cz). Kód detektoru je ke ztažení v příloze páté kapitoly. Kniha je k dispozici v knihovně CMP.

Parametry

V každém obrázku bylo z bodů nadetekovaných funkcí harris vybráno 1500 nejlepších bodů. Body blízko kraji obrázku byly zahozeny (aby se při výpočtu NCC nemuselo hlídat vytečení okna mimo obraz).

NCC

RANSAC

Segmentace

Výsledky registrace

Posledni snimek:

Každý padesátý snímek

Log pro sledování obasti na zdi při běhu po 50ti snímcích je zde.

Prvni snímek po transformaci:

Rozdíl mezi posledním a prvním snímkem po transformaci:

Každý desátý snímek

Log pro sledování obasti na zdi při zpracování všech snímků je zde. Z logu je vidět že počet inliers je kolem 70% a RANSAC poměrně rychle konverguje. Na zdi se již akumuluje drobná chyba, která ke konci sekvence kolem jednoho pixelu v levé části zdi, v pravé části zdi je chyba vetší.

Prvni snímek po transformaci:

Rozdíl mezi posledním a prvním snímkem po registraci:

Každý snímek

Log pro sledování obasti na zdi při zpracování všech snímků je zde. Z logu je vidět že počet inliers je kolem 80% a RANSAC poměrně rychle konverguje. Chyba, která se v homografiích postupně akumuluje je větší než v předchozím případě. To může bých způsobeno volbou parametrů. Také k tomu může přispět špatný předpoklad o (ideální) rovnosti zdi a chybějící data (body) v oblasti zakryté pánama (je vidět, že levá část zdi sedí lépe).

Prvni snímek po transformaci:

Rozdíl mezi posledním a prvním snímkem po registraci:

Poslední změna 18. 12. 2009