文件名称：matlab代码sqrt-Computing-Planar-Homographies:计算平面单应性
文件大小：27.71MB
文件格式：ZIP
更新时间：2024-06-12 15:48:55
系统开源
Matlab代码sqrt 计算平面单应性 该代码用于使用平面单应性逐步实现AR应用程序。 特征检测在找到图像对之间的单应性之前，我们需要找到两个图像之间的对应点对。 但是，我们如何获得这些积分呢？ 一种方法是手动选择它们（使用cpselect），这很繁琐且效率低下。 CV方法是在图像对中找到兴趣点并自动进行匹配。 为了能够做一些有趣的事情，在这里我们将不重新实现特征检测器或描述符，而是使用内置的MATLAB方法。 兴趣点检测器（例如Harris，SIFT，SURF等）的目的是在图像中找到我们要提取特征描述符（例如MOPS等）的特定显着点。 这些描述符试图以简洁而又具有描述性的方式总结特征点周围的图像内容（对于许多计算机视觉任务，通常在表示和计算复杂度之间进行权衡；您可以拥有一个非常高维度的特征描述符，该特征可以可以确保您获得良好的匹配，但是计算出来的费用可能会高得让人望而却步。 因此，匹配是一项尝试在描述符列表中查找描述符的任务，该描述符是在与当前描述符最匹配的新图像上对其进行计算后获得的。 这可能就像两个描述符之间的欧几里得距离一样简单，也可能更复杂，这取决于描述符的组成方式。 出于
【文件预览】：
Computing-Planar-Homographies-master
----matlab()
--------q2_1_4.m(273B)
--------ar.m~(569B)
--------matchPics.m(1KB)
--------computeH.m(448B)
--------loadVid.m(471B)
--------ar.m(641B)
--------briefRotTest.m~(2KB)
--------briefRotTest.m(2KB)
--------warpH.m(932B)
--------compositeH.m(756B)
--------computeH_ransac.m(756B)
--------computeH_ransac.m~(756B)
--------computeH_norm.m(763B)
--------HarryPotterize.m(2KB)
--------computeBrief.m(1KB)
----results()
--------4_2_Surf_hist.png(41KB)
--------4_1.png(957KB)
--------4_2_Surf_40.png(612KB)
--------4_2_Surf_90.png(931KB)
--------4_6.png(724KB)
--------4_2_Surf_120.png(647KB)
--------4_5_points.png(953KB)
--------4_2_Brief_hist.png(20KB)
--------4_2_Brief_150.png(472KB)
--------4_2_Surf_10.png(837KB)
--------4_2_Brief_90.png(441KB)
--------4_3.png(1007KB)
--------4_2_Surf_200.png(769KB)
--------4_2_Brief_10.png(554KB)
--------5.avi(15.6MB)
--------4_2_Brief_200.png(469KB)
--------4_2_Brief_120.png(455KB)
--------4_4.png(996KB)
--------4_2_Brief_40.png(454KB)
--------4_5_inliers.png(962KB)
--------4_2_Surf_150.png(696KB)
----README.md(6KB)