平面物体检测的主要算法流程

主要用于使用 features2d 和 calib3d 模块来检测场景中的已知平面物体。

步骤：

1、读入两幅图像；

<span style="font-size:14px;">Mat img1 = imread(argv[1], CV_LOAD_IMAGE_GRAYSCALE);
Mat img2 = imread(argv[2], CV_LOAD_IMAGE_GRAYSCALE);</span>

2、检测两幅图像的关键点（尺度旋转都不发生变化的关键点）；

<span style="font-size:14px;">// 对第一幅图像进行关键点检测
FastFeatureDetector detector(15);
vector<KeyPoint> keypoints1;
detector.detect(img1, keypoints1);

... // 对第二幅图像进行关键点检测</span>

3、计算每个关键点的描述向量(Descriptor)；

<span style="font-size:14px;">// 计算描述向量
SurfDescriptorExtractor extractor;
Mat descriptors1;
extractor.compute(img1, keypoints1, descriptors1);

... // 计算第二幅图像中的关键点对应的描述向量</span>

4、计算两幅图像中的关键点对应的描述向量距离，寻找两图像中距离最近的描述向量对应的关键点，即为两图像中匹配上的关键点；

// 关键点描述向量匹配

<span style="font-size:14px;">BruteForceMatcher<L2<float> > matcher;
vector<DMatch> matches;
matcher.match(descriptors1, descriptors2, matches);</span>

<span style="font-size:14px;">
</span>

<span style="font-size:14px;">5、可视化结果；</span>

// 绘制出结果
namedWindow("matches", 1);
Mat img_matches;
drawMatches(img1, keypoints1, img2, keypoints2, matches, img_matches);
imshow("matches", img_matches);
waitKey(0);

6、寻找两个点集合中的单映射变换（homography transformation）；

<span style="font-size:14px;">vector<Point2f> points1, points2;
// 用点填充形成矩阵(array)
....
Mat H = findHomography(Mat(points1), Mat(points2), CV_RANSAC, ransacReprojThreshold);</span>

7、创建内匹配点集合同时绘制出匹配上的点。用perspectiveTransform函数来通过单映射来映射点；

<span style="font-size:14px;">Mat points1Projected; </span>

<span style="font-size:14px;">perspectiveTransform(Mat(points1), points1Projected, H);</span>

8、用 drawMatches 来绘制内匹配点；

<span style="font-size:14px;">drawMatches( img_object, keypoints_object, img_scene, keypoints_scene,good_matches, img_matches, Scalar::all(-1), Scalar::all(-1),vector<char>(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS );</span>