ORB 未检测 opencv 2.4.9 中的关键点

Posted 2023-03-12

【中文标题】ORB 未检测 opencv 2.4.9 中的关键点

【英文标题】：ORB is not detecting keyPoints in opencv 2.4.9

【发布时间】：2014-06-20 08:02:30

【问题描述】：

我正在尝试使用 ORB 检测关键点，一切都很好，直到我切换到 Opencv 2.4.9。

首先，关键点的数量似乎减少了，并且对于某些图像，没有检测到关键点：

这是我用两个版本编译的代码：（2.3.1 和 2.4.9）

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/features2d/features2d.hpp>


using namespace cv;


int main(int argc, char **argv)

  Mat img = imread(argv[1]);

  std::vector<KeyPoint> kp;

  OrbFeatureDetector detector;
  detector.detect(img, kp);
  std::cout << "Found " << kp.size() << " Keypoints " << std::endl;

  Mat out;
  drawKeypoints(img, kp, out, Scalar::all(255));

  imshow("Kpts", out);

  waitKey(0);
  return 0;

结果： 2.3.1： 找到 152 个关键点

2.4.9： 找到 0 个关键点

我还使用不同的 ORB 构造函数进行了测试，但我得到了相同的结果，没有 KPts。 与 2.3.1 默认构造函数中相同的构造函数值： 2.4.9 自定义构造：

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/features2d/features2d.hpp>


using namespace cv;


int main(int argc, char **argv)

  Mat img = imread(argv[1]);

  std::vector<KeyPoint> kp;

  // default in 2.4.9 is : ORB(700, 1.2f, 3, 31, 0);
  OrbFeatureDetector detector(500, 1.2f, 8, 31, 0); // default values of 2.3.1
  detector.detect(img, kp);
  std::cout << "Found " << kp.size() << " Keypoints " << std::endl;
  Mat out;
  drawKeypoints(img, kp, out, Scalar::all(255));

  imshow("Kpts", out);

  waitKey(0);
  return 0;

你知道发生了什么吗？我该如何解决？

谢谢。

【问题讨论】：

你有解决办法吗？

在其他图像上你也发现了 0 个关键点？还是与 openCV 2.3.1 相比，关键点更少？

【参考方案1】：

OpenCV 中 ORB 的实现在 2.3.1 和 2.4.9 版本之间发生了相当大的变化。很难确定哪一个变化可以解释您观察到的行为。

但是，通过更改边缘阈值的值，您可以再次增加检测到的特征的数量。

下面是您的代码的改编版本，以说明我的意思（小心，我只能使用 OpenCV 3.0.0 对其进行测试，但我想您明白了）。

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/features2d.hpp>

using namespace cv;

int main(int argc, char **argv)

    Mat img = imread(argv[1]);

    std::vector<KeyPoint> kp;

    // Default parameters of ORB
    int nfeatures=500;
    float scaleFactor=1.2f;
    int nlevels=8;
    int edgeThreshold=15; // Changed default (31);
    int firstLevel=0;
    int WTA_K=2;
    int scoreType=ORB::HARRIS_SCORE;
    int patchSize=31;
    int fastThreshold=20;

    Ptr<ORB> detector = ORB::create(
    nfeatures,
    scaleFactor,
    nlevels,
    edgeThreshold,
    firstLevel,
    WTA_K,
    scoreType,
    patchSize,
    fastThreshold );

    detector->detect(img, kp);
    std::cout << "Found " << kp.size() << " Keypoints " << std::endl;

    Mat out;
    drawKeypoints(img, kp, out, Scalar::all(255));

    imshow("Kpts", out);

    waitKey(0);
    return 0;

【参考方案2】：

至少在 OpenCV 3.1 中，edgeThreshold 参数实际上是“未检测到特征的边界的大小”。检测附加特征的一种方法是减小fastThreshold 参数。这是一个具有误导性的名称，因为即使在使用 ORB::HARRIS_SCORE（即 Harris 关键点）时，此阈值也会影响检测到的角点数量，而不仅仅是您根据参数名称可能认为的 FAST 关键点。这也有点误导，因为edgeThreshold 本身听起来像是 Harris 角点检测的阈值，而不是用于检测点的图像部分。 请参阅：http://docs.opencv.org/trunk/db/d95/classcv_1_1ORB.html#gsc.tab=0。 此外，增加金字塔级别的数量nlevels 可以为您提供更多的关键点，但如果您的图像大小相同并且唯一的区别是您的 OpenCV 版本，那么这里不太可能有帮助。 我遇到了同样的问题，下面是有效的代码：std::vector<KeyPoint> kpts1; Mat desc1; Ptr<ORB> orb = ORB::create(100, 2, 8, 31, 0, 2, ORB::HARRIS_SCORE, 31, 20); orb->detectAndCompute(input_image, Mat(), kpts1, desc1); 最后一个参数（上面的 20）是 fastThreshold 减少以获得新的关键点.