电赛无人机特征匹配（三）：FLANN算法匹配检测+图像金字塔+D-P轮廓算法；

最新推荐文章于 2024-07-28 08:43:40 发布

沉迷单车的追风少年

最新推荐文章于 2024-07-28 08:43:40 发布

阅读量1k

点赞数 1

分类专栏：电赛计算机视觉电赛机器视觉

本文链接：https://blog.csdn.net/qq_41895747/article/details/97614902

版权

电赛机器视觉同时被 3 个专栏收录

32 篇文章 38 订阅 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

电赛

30 篇文章 83 订阅 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

计算机视觉

41 篇文章 14 订阅

订阅专栏

本文探讨了在电赛无人机中，如何利用FLANN算法实现快速特征匹配，相较于ORB和Harris，FLANN的速度优势显著，尤其适合在资源有限的嵌入式视觉硬件上应用。文中提供了未移植的源码，展示了FLANN在图像处理中的高效性能。

摘要由CSDN通过智能技术生成

FLANN相比较与ORB和Harris，速度快十倍以上，在嵌入式视觉硬件上最实用，以下是未移植的源码

# -*- coding:utf-8 -*-
# 创建时间：2019年7月28日
# 功能：识别待匹配的二维码
# FLANN算法匹配检测；图像金字塔；D-P轮廓算法；
# 注：安装opencv-contrib-python 3.4.2.17以下版本

import cv2

# FLANN算法特征匹配检测
# 输入参数：查询图像train_img；训练图像frame
# 输出参数：匹配得到的特征值数量len(matches)
# 注：二维码等匹配目标时滤波会滤去过多的细节信息，此时不建议使用
def FLANN_inspect(train_img, frame):
    # 高斯滤波进行平滑处理
    # train_img_gray = cv2.cvtColor(train_img, cv2.COLOR_BGR2GRAY)
    # train_img_gray = cv2.GaussianBlur(train_img_gray, (1, 1), 0)
    # frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    # frame_gray = cv2.GaussianBlur(frame_gray, (1, 1), 0)
    # 创建sift检测器
    sift = cv2.xfeatures2d.S