points_lepetit — MV `detect` op

• Datenarten: image2d → keypoints

• Aufruf: import fullseye as fs; fs.ledger.points_lepetit(image, radius=3, check_neighbor=1, min_check_neighbor_diff=0.06, min_score=0.2, subpix=True) (die Implementierung direkt: import mvimage; mvimage.points_lepetit(image, radius=3, check_neighbor=1, min_check_neighbor_diff=0.06, min_score=0.2, subpix=True); aus dem Register: opsmv.get("points_lepetit"))

• HALCON-Äquivalent: points_lepetit (Bedeutung und Parameter sind in der HALCON-Referenz nachzulesen)

• GPU: nein (nur CPU-Referenzimplementierung)

Verwendung

Erkennt Interessenpunkte durch Vergleich gegenüberliegender Punkte auf einem Kreis (Lepetit-Fua-Detektor).

> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.

中心の灰色値に近い向かい合う 2 点が円周のどこかにあれば、そこを通る直線が伸びていると見なして落とす。残った画素を、円周の 2 階差分の総和(離散ラプラシアンの近似)で採点し、半径 radius の窓の極大だけを残す。subpix が真なら応答の放物線で小数の位置へ寄せる。灰色の範囲は [0, 1] を想定するので、min_check_neighbor_diff と min_score はその尺度で渡す。平らな画像は空の点列を返す。空の入力(image が 0 要素)は ValueError。

Args:

image: (H, W) の画像。

radius: 比較する円の半径(画素、>= 1)。

check_neighbor: 円周で左右に何点まで一緒に比べるか(>= 0)。

min_check_neighbor_diff: 「近い」と見なす灰色の差の上限。

min_score: 応答(円周平均の 2 階差分の絶対値)の下限。

subpix: 位置を小数へ寄せるか。

Returns:

(N, 2) の (row, col)。応答の強い順。

出典: V. Lepetit and P. Fua, IEEE Trans. PAMI 28(9), 1465-1479 (2006), doi:10.1109/TPAMI.2006.188。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie machine_vision_classics

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• machine_vision_tour — py -3.11 examples/machine_vision_tour.py

• poc_real_chessboard_undistort — py -3.11 examples/poc_real_chessboard_undistort.py

• poc_real_stereo_multiscanline — py -3.11 examples/poc_real_stereo_multiscanline.py

Typkompatible Folge-Operatoren (nehmen `keypoints` als Eingabe)

get_grayval_contour_xld · get_circle_pose · gen_nurbs_interp

Gleiche Kategorie (`detect`)

create_ncc_model · find_ncc_models

*Provenance: mvimage.py — MV Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

points_lepetit — MV detect op