proj_match_points_ransacT_proj_match_points_ransacProjMatchPointsRansacProjMatchPointsRansac (Operator)

Name

proj_match_points_ransacT_proj_match_points_ransacProjMatchPointsRansacProjMatchPointsRansac — Bestimmt eine projektive Transformationsmatrix automatisch durch Zuordnung von Punkten zwischen zwei Bildern.

Signatur

Beschreibung

Ausgehend von einer Menge charakteristischer Punkte (Cols1Cols1Cols1Cols1cols1,Rows1Rows1Rows1Rows1rows1) und (Cols2Cols2Cols2Cols2cols2,Rows2Rows2Rows2Rows2rows2) in den beiden Eingabebildern Image1Image1Image1Image1image1 und Image2Image2Image2Image2image2 bestimmt proj_match_points_ransacproj_match_points_ransacProjMatchPointsRansacProjMatchPointsRansacProjMatchPointsRansac automatisch die Korrespondenz der Punkte und die homogene projektive Transformationsmatrix HomMat2DHomMat2DHomMat2DHomMat2DhomMat2D, die die korrespondierenden Punkte in den beiden Bildern am besten ineinander überführt. Die charakteristischen Punkte können z.B. mit points_foerstnerpoints_foerstnerPointsFoerstnerPointsFoerstnerPointsFoerstner oder points_harrispoints_harrisPointsHarrisPointsHarrisPointsHarris extrahiert werden.

Die Bestimmung der Transformation erfolgt in 2 Schritten: Zuerst werden die Grauwertkorrelationen von Umgebungen der Eingabepunkte im ersten und zweiten Bild bestimmt und anhand dieser ein initiales Matching zwischen den Punkten ermittelt. Die Größe dieser Grauwertfenster beträgt MaskSizeMaskSizeMaskSizeMaskSizemaskSize x MaskSizeMaskSizeMaskSizeMaskSizemaskSize. Es können drei Metriken für die Korrelation gewählt werden. Hat GrayMatchMethodGrayMatchMethodGrayMatchMethodGrayMatchMethodgrayMatchMethod den Wert 'ssd'"ssd""ssd""ssd""ssd", so wird das Quadrat der Grauwertdifferenzen verwendet, 'sad'"sad""sad""sad""sad" entspricht dem Betrag der Grauwertdifferenzen und 'ncc'"ncc""ncc""ncc""ncc" ist die normierte Kreuzkorrelation (siehe auch binocular_disparitybinocular_disparityBinocularDisparityBinocularDisparityBinocularDisparity). Diese Metrik wird über alle Punktepaare minimiert ('ssd'"ssd""ssd""ssd""ssd", 'sad'"sad""sad""sad""sad") bzw. maximiert ('ncc'"ncc""ncc""ncc""ncc"), ein so gefundenes Matching wird aber nur akzeptiert, falls der Wert der Metrik unter dem Wert von MatchThresholdMatchThresholdMatchThresholdMatchThresholdmatchThreshold ('ssd'"ssd""ssd""ssd""ssd", 'sad'"sad""sad""sad""sad") bzw. über demselben ('ncc'"ncc""ncc""ncc""ncc") liegt.

Zur Performanzsteigerung kann der Suchbereich für die Matchings eingeschränkt werden. Nur Punkte innerhalb eines Punkte großen Fensters werden betrachtet. Die Verschiebung des Mittelpunkts dieses Fensters im zweiten Bild gegenüber der Position des aktuellen Punktes im ersten Bild wird durch die Parameter RowMoveRowMoveRowMoveRowMoverowMove und ColMoveColMoveColMoveColMovecolMove bestimmt.

Enthält die gesuchte Transformation eine Drehung, ist also das eine gegenüber dem anderen Bild gedreht, so kann im Parameter RotationRotationRotationRotationrotation eine Schätzung des Drehwinkels bzw. ein Winkelintervall im Bogenmaß übergeben werden. Eine gute Schätzung des Winkels erhöht die Qualität des Grauwertwertmatchings. Falls sich die tatsächliche Rotation zu stark von der angegebenen Schätzung unterscheidet, schlägt das Matching typischerweise fehl. Je größer das angegebene Winkelintervall, desto langsamer läuft der Operator, denn für alle relevanten (endlich vielen) Winkel innerhalb des Intervalls wird das Verfahren komplett durchlaufen.

Ist das initiale Punktmatching bestimmt, wird es anschließend durch einen randomisierten Auswahlalgorithmus (RANSAC) zur Bestimmung der Transformationsmatrix HomMat2DHomMat2DHomMat2DHomMat2DhomMat2D benutzt. Dabei wird versucht die Matrix so zu wählen, dass sie bezüglich der Schranke DistanceThresholdDistanceThresholdDistanceThresholdDistanceThresholddistanceThreshold zu möglichst vielen Punktpaaren konsistent ist.

Ist eine solche Auswahl getroffen, wird die zugehörige Matrix unter Einbeziehung aller konsistenten Punkte nochmals optimiert. Dabei kann mit EstimationMethodEstimationMethodEstimationMethodEstimationMethodestimationMethod zwischen der langsameren, dafür aber mathematisch optimalen 'gold_standard'"gold_standard""gold_standard""gold_standard""gold_standard" Methode und der schnelleren 'normalized_dlt'"normalized_dlt""normalized_dlt""normalized_dlt""normalized_dlt" gewählt werden. Dabei werden die Verfahren von vector_to_proj_hom_mat2dvector_to_proj_hom_mat2dVectorToProjHomMat2dVectorToProjHomMat2dVectorToProjHomMat2d verwendet.

Punktepaare, die die Konsistenzbedingung für diese endgültige Transformation immer noch verletzen, werden aussortiert, der Rest als Steuerparameter zurückgeliefert. Points1Points1Points1Points1points1 enthält die Indizes der gematchten Eingabepunkte im ersten Bild, Points2Points2Points2Points2points2 die Indizes der dazu korrespondierenden Punkte im zweiten Bild.

Der Parameter RandSeedRandSeedRandSeedRandSeedrandSeed kann benutzt werden, um das randomisierte Verhalten des RANSAC-Verfahrens zu kontrollieren und somit reproduzierbare Ergebnisse zu erhalten. Wird RandSeedRandSeedRandSeedRandSeedrandSeed auf einen positiven Wert gesetzt, so liefert der Operator bei jedem Aufruf mit denselben Parametern auch dasselbe Resultat, da der intern verwendete Zufallsgenerator mit dem angegebenen Startwert initialisiert wird. Ist RandSeedRandSeedRandSeedRandSeedrandSeed = 0, so wird der Zufallsgenerator mit der aktuellen Zeit initialisiert. Daher sind in diesem Fall die Ergebnisse unter Umständen nicht reproduzierbar.

Ausführungsinformationen

• Multithreading-Typ: reentrant (läuft parallel zu nicht-exklusiven Operatoren).
• Multithreading-Bereich: global (kann von jedem Thread aufgerufen werden).
• Wird ohne Parallelisierung verarbeitet.

Parameter

Vorgänger

points_foerstnerpoints_foerstnerPointsFoerstnerPointsFoerstnerPointsFoerstner, points_harrispoints_harrisPointsHarrisPointsHarrisPointsHarris

Nachfolger

projective_trans_imageprojective_trans_imageProjectiveTransImageProjectiveTransImageProjectiveTransImage, projective_trans_image_sizeprojective_trans_image_sizeProjectiveTransImageSizeProjectiveTransImageSizeProjectiveTransImageSize, projective_trans_regionprojective_trans_regionProjectiveTransRegionProjectiveTransRegionProjectiveTransRegion, projective_trans_contour_xldprojective_trans_contour_xldProjectiveTransContourXldProjectiveTransContourXldProjectiveTransContourXld, projective_trans_point_2dprojective_trans_point_2dProjectiveTransPoint2dProjectiveTransPoint2dProjectiveTransPoint2d, projective_trans_pixelprojective_trans_pixelProjectiveTransPixelProjectiveTransPixelProjectiveTransPixel

Alternativen

hom_vector_to_proj_hom_mat2dhom_vector_to_proj_hom_mat2dHomVectorToProjHomMat2dHomVectorToProjHomMat2dHomVectorToProjHomMat2d, vector_to_proj_hom_mat2dvector_to_proj_hom_mat2dVectorToProjHomMat2dVectorToProjHomMat2dVectorToProjHomMat2d

Siehe auch

proj_match_points_ransac_guidedproj_match_points_ransac_guidedProjMatchPointsRansacGuidedProjMatchPointsRansacGuidedProjMatchPointsRansacGuided

Literatur

Richard Hartley, Andrew Zisserman: „Multiple View Geometry in Computer Vision“; Cambridge University Press, Cambridge; 2000.
Olivier Faugeras, Quang-Tuan Luong: „The Geometry of Multiple Images: The Laws That Govern the Formation of Multiple Images of a Scene and Some of Their Applications“; MIT Press, Cambridge, MA; 2001.

Modul

Matching