【OpenCV】KeyPoint数据结构

最新推荐文章于 2022-12-10 10:14:52 发布

Strange-Liu

最新推荐文章于 2022-12-10 10:14:52 发布

阅读量2.6k

点赞数 3

分类专栏： slam

本文链接：https://blog.csdn.net/lxd_yxp/article/details/89521484

版权

slam 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

KeyPoint数据结构

KeyPoint数据结构官方说明网站：(http://docs.opencv.org/3.3.0/d2/d29/classcv_1_1KeyPoint.html)

公有属性

(float)angle：角度，表示关键点的方向，通过Lowe大神的论文可以知道，为了保证方向不变形，SIFT算法通过对关键点周围邻域进行梯度运算，求得该点方向。-1为初值。
(int)class_id：当要对图片进行分类时，我们可以用class_id对每个特征点进行区分，未设定时为-1，需要靠自己设定
(int)octave：代表是从金字塔哪一层提取的得到的数据。
(Point2f)pt：关键点点的坐标
(float)response：响应程度，代表该点强壮大小—response代表着该关键点how good，更确切的说，是该点角点的程度。
(float)size：该点直径的大小

公有成员函数

三个构造函数

KeyPoint () ：默认构造函数

KeyPoint (Point2f _pt, float _size, float _angle=-1, float _response=0, int _octave=0, int _class_id=-1)

参数
    _pt	     ： 关键点的x和y坐标
    _size	 ： 关键点直径
    _angle	 ： 关键点方向
    _response：关键点上的关键点检测器响应（即关键点的强度）
    _octave	 ： 已检测到关键点的pyramid octave
    _class_id： 关键点ID

KeyPoint (float x, float y, float _size, float _angle=-1, float _response=0, int _octave=0, int _class_id=-1)

参数
    x	     ： 关键点的x坐标
    y	     ： 关键点的y坐标
    _size	 ： 关键点直径
    _angle	 ： 关键点方向
    _response：关键点上的关键点检测器响应（即关键点的强度）
    _octave	 ： 已检测到关键点的pyramid octave
    _class_id： 关键点ID

size_t hash () const

静态公有成员函数

static void convert (const std::vector< KeyPoint > &keypoints, std::vector< Point2f > &points2f, const std::vector< int > &keypointIndexes=std::vector< int >())

此方法将关键点的矢量转换为点矢量或反向，其中每个关键点被指定相同的大小和相同的方向。
```
参数
keypoints	    : 从任何特征检测算法（如SIFT / SURF / ORB）获得的关键点
points2f	    : 每个关键点的（x，y）坐标数组
keypointIndexes	: 要转换为点的关键点的索引数组。（像掩码一样只转换指定的关键点）
```

static void convert (const std::vector< Point2f > &points2f, std::vector< KeyPoint > &keypoints, float size=1, float response=1, int octave=0, int class_id=-1)

这是一个重载的成员函数，为方便起见而提供。它与上述函数的不同之处仅在于它接受的参数。

参数
points2f  : 每个关键点的（x，y）坐标数组
keypoints : 从任何特征检测算法（如SIFT / SURF / ORB）获得的关键点
size	  : 关键点直径
response  : 关键点上的关键点检测器响应（即关键点的强度）
octave	  : 已检测到关键点的pyramid octave
class_id  : 关键点 id

static float overlap (const KeyPoint &kp1, const KeyPoint &kp2)

此方法计算关键点对的重叠。重叠是关键点区域交叉区域与关键点区域联合区域之间的比率（将关键点区域视为圆圈）。如果它们不重叠，我们就会得到零。如果它们在相同大小的相同位置重合，我们得到1。
```
参数
    kp1	: First keypoint
    kp2	: Second keypoint
```