সনাক্ত করা লাইনের উপর ভিত্তি করে হোমোগ্রাফির গণনা করা

আমি জানি আপনি একটি "নিখুঁত মডেল" এবং চিত্র পয়েন্টগুলির মধ্যে চিঠিপত্র পয়েন্ট ব্যবহার করে চিত্র থেকে ক্যামেরা প্লেনে হোমোগ্রাফিগুলি গণনা করতে পারেন।

আমি এটি একটি ফুটবল পিচ / মাঠের জন্য করছি, এবং পিচে সাদা লাইনগুলি খুঁজে পেতে প্রান্ত সনাক্তকরণ ব্যবহার করেছি।

তবে ক্যামেরাটি সবসময় পিচকে আবরণ করে না, তাই আমি সমস্ত কোণ দেখতে পাচ্ছি না ... এবং আমি কেবল কোণগুলি মডেলের 100% পরিচিত পয়েন্ট (অন্য কোনও বিশিষ্ট বিন্দু নেই)।

সুতরাং সমস্যাটি হ'ল লাইনটি অন্য লাইনের সাথে ছেদ না করে এবং কোনও কোণ গঠন না করে, আমি কেবলমাত্র রেখার চিত্র পয়েন্টগুলিই জানি, এটি মডেলের "পারফেক্ট / রিয়েল-ওয়ার্ল্ড" স্থানাঙ্কের সাথে সম্পর্কিত নয়।

হোমোগ্রাফি গণনার জন্য আমি সনাক্ত করা রেখাগুলি, বা এমনকি পরীক্ষার্থীর হোমোগোগ্রাফির একটি সেটও সনাক্ত করতে পারি, এমনকি যদি সনাক্ত করা রেখাগুলি একে অপরের সাথে ছেদ না করে এবং কোন কোণ তৈরি করে?

চিত্র, উদাহরণস্বরূপ, পিচ, আমাদের দেখার ক্ষেত্র এবং পিচের পয়েন্টগুলি যেখানে আমি সম্পর্কিত রিয়েলওয়ার্ল্ড / মডেল স্থানাঙ্কগুলি (সবুজ চেনাশোনাগুলি) জানতে পারি এবং আমাদের দৃষ্টিভঙ্গির ক্ষেত্রে যেহেতু সম্পূর্ণরূপে অকেজো হতে পারে এমন দুটি রেখার উদাহরণ , পিচের সাথে সম্পর্কিত রিয়েলওয়ার্ল্ড / মডেলটি তারা ঠিক কোন মুহুর্তে শুরু করে বা থামায় তা সম্পর্কে আমার কোনও ধারণা নেই:

এখানে চিত্র বর্ণনা লিখুন লাল রেখাগুলি লাইনগুলির উদাহরণ যা আমি ব্যবহার করতে চাই, তবে আমি তাদের রিয়েলওয়ার্ল্ড স্থানাঙ্কগুলি জানি না এবং এগুলি অনুমান করা একরকম শক্ত কারণ ক্যামেরা পোজের উপর নির্ভর করে সংবাদদাতা পয়েন্টগুলি "কোথাও" হতে পারে।

— হেনরিক কেজুস আলস্তাদ
সূত্র

আপনার কিছু উদাহরণ চিত্র আছে? অথবা লাইন সনাক্তকরণের জন্য কমপক্ষে সম্ভাব্য কেসগুলির স্কেচ? আমি মনে করি আপনার প্রশ্নের সংক্ষিপ্ত উত্তর "হ্যাঁ, আপনি পারেন", তবে আপনার থেকে আরও বিশদ আরও বিশদ উত্তর দিতে সহায়তা করবে :)

— পেনেলোপ

আপনি একটি উদাহরণ চিত্র সরবরাহ করতে পারেন? আপনি কি বলছেন যে সনাক্ত করা রেখার অংশগুলি ছেদ করে না বা আপনি সনাক্ত করা বিভাগগুলি লাইনে প্রসারিত করার চেষ্টা করেছেন এবং তার পরে ছেদগুলি সন্ধান করার চেষ্টা করেছেন?

— ppalasek

আমি প্রশ্নের সাথে একটি উদাহরণ চিত্র যুক্ত করেছি

— হেনরিক কেজুস আলস্টাড

আপনি কি কখনও এটি খুঁজে বের করতে পারেন? আমিও ফলাফলগুলিতে আগ্রহী।

উত্তর:

আমি এর জন্য দুটি পদ্ধতির ব্যাখ্যা করব:

1) এক পদ্ধতির জন্য একটি লাইনের সাথে মিলের অ্যালগরিদম প্রয়োজন। লাইনের সাথে মিলে যাওয়ার পরে, হোমোগ্রাফি গণনা করার জন্য আপনি কেবল লাইনের শেষ পয়েন্টগুলি ব্যবহার করতে পারেন। এটি অর্জনের জন্য ইডিলাইন বা এলএসডি ভিত্তিক বর্ণনাকারী সম্প্রতি ওপেনসিভিতে প্রস্তাবিত। এছাড়াও, সেগুলির সাথে হ্যাশিং এবং দ্রুত মিলও কার্যকর করা হয়। ভিডিওগুলি এখানে দেখুন:

http://www.youtube.com/watch?v=MqMjvSkM39k

http://www.youtube.com/watch?v=naSWTlbg3To

সাম্প্রতিক ওপেনসিভি_সন্ট্রিবি সংগ্রহস্থলগুলিতে এই পদ্ধতিগুলির উত্স কোড রয়েছে।

লাইন শেষ পয়েন্টগুলি গোলমাল হওয়ার ক্ষেত্রে, আপনি তখন হোমোগ্রাফিগুলি গণনা করতে সরাসরি লাইনগুলি ব্যবহার করতে পারেন। এই জাতীয় কাগজপত্রগুলি পড়তে হবে:

অভ্যন্তরীণ প্রতিবেদন: 2005-ভি04 একটি চিত্রের পেয়ার জি লপেজ-নিকোলাস, জেজে গুয়েরেরো, ওএ পেলেজিরো, সি।

অভ্যন্তরীণ প্রতিবেদন: 2003-V01 শক্তসমর্থ রেখার মিল এবং একসাথে হোমোগ্রাফির অনুমান জি। লোপেজ-নিকোলাস

তাদের হোমোগ্রাফির জন্য লাইনের সম্ভাব্যতা ম্যাচিংয়ে তাইমিন কিম, জিহওয়ান উ, এবং সো কোয়েওন

2) এখানে ক্ষেত্রগুলির সাথে নির্দিষ্ট একটি পদ্ধতি রয়েছে:

" ব্রডকাস্ট হকি ভিডিও সংশোধন করার জন্য লাইন এবং উপবৃত্ত বৈশিষ্ট্য ব্যবহার করা হচ্ছে ।", গুপ্ত, অঙ্কুর, জেমস জে লিটল, এবং রবার্ট জ । আইইইই, ২০১১।

এবং

" হোমোগ্রাফি অনুমানের জন্য লাইন এবং পয়েন্টের চিঠিপত্রের সংমিশ্রণ ।", ডাব্রোফস্কি, এলান এবং রবার্ট জে উডহাম । ভিজ্যুয়াল কম্পিউটিংয়ের উপর আন্তর্জাতিক সিম্পোজিয়াম। স্প্রিঞ্জার বার্লিন হাইডেলবার্গ, ২০০৮।

$\mathbf{l}_i=(u,v,1)^T$ $\mathbf{l}_i^{'}=(x,y,1)^T$

l_{i}^{^{'}} = H^{T} l_{i}

$\mathbf{l}_i^{'} = \mathbf{H}^T \mathbf{l}_i$

এই ফর্মটিতে সমীকরণটি সরাসরি ডিএলটি পদ্ধতিতে প্লাগ করা যায়:

A_{i} = [\begin{matrix} - u & 0 & u x & - v & 0 & v x & - 1 & 0 & x \\ 0 & - u & u y & 0 & - v & v y & 0 & - 1 & y \end{matrix}]

$A_i = \begin{bmatrix} -u & 0 & ux & -v & 0 & vx & -1 & 0 & x \\ 0 & -u & uy & 0 & -v & vy & 0 & -1 & y \end{bmatrix}$

পার্থক্যটি হ'ল স্বাভাবিকীকরণ, যা আপনি উপরের রেফারেন্সগুলিতে পাবেন।

$x$ $C$ $x^TCx=0$

C^{'} = H^{- T} C H^{- 1}

$C' = H^{-T}CH^{-1}$

উপরের রেফারেন্সগুলি কীভাবে ডিএলটি অ্যালগরিদমে এই সীমাবদ্ধতা সন্নিবেশ করানো যায় তাও ব্যাখ্যা করে।

উপবৃত্তাকার এবং লাইন ব্যবহার করে, একটি শক্তিশালী ভবিষ্যদ্বাণীমূলক সম্পর্ক অর্জন করা সম্ভব।

— টোলগা বার্ডাল
সূত্র

লাইনগুলি সমান্তরাল না হলে আপনি তাদের ছেদ বিন্দু গণনা করতে পারেন এবং এটি রেফারেন্স পয়েন্ট হিসাবে ব্যবহার করতে পারেন। আপনার চিত্রকালে আপনি বেগুনি পয়েন্টগুলিও ব্যবহার করতে পারেন:

এখানে চিত্র বর্ণনা লিখুন

যাইহোক, লাইনগুলির ছেদটি ইমেজে থাকা উচিত নয়। যতক্ষণ লাইন সমান্তরাল হয়

লাইনগুলি সমান্তরাল হলে আপনি অতিরিক্ত বাধা পেতে এগুলি ব্যবহার করতে পারেন। উদাহরণস্বরূপ আপনার যদি এন <4 টি পয়েন্ট এবং কে লাইন থাকে তবে আপনি রূপান্তরটি অনুমান করতে সক্ষম হতে পারেন

প্রত্যাহার রূপান্তরকরণের সমীকরণটি মনে করুন:

$x' = \frac{\left ( a_{11}x+a_{12}y+a_{13} \right ) } {\left ( a_{31}x+a_{32}y+1 \right )} \\ y' = \frac{\left ( a_{21}x+a_{22}y+a_{23} \right ) } {\left ( a_{31}x+a_{32}y+1 \right )}$

$a_{11},a_{12},a_{13},a_{21},a_{22},a_{23},a_{31},a_{32} \\$

$ax+by+c=0$ $Ax'+By'+C$

$Ax'+By'+C = 0 \implies \\ A(a_{21}x+a_{22}y+a_{23}) + B(a_{21}x+a_{22}y+a_{23}) + C( a_{31}x+a_{32}y+1) = 0$

এটি আবার লিখিত হতে পারে:

$\left( \begin{array}{ccc} Ax & Ay & A & Bx & By & B & Cx & Cy \\ \end{array} \right) \left( \begin{array}{ccc} a_{11} \\ a_{12} \\ a_{13} \\ a_{21} \\ a_{22} \\ a_{23} \\ a_{31} \\ a_{32} \\ \end{array} \right) = -C$

$A,B,C$ $(x,y)$ $ax+by+c = 0$

অতিরিক্ত রেফারেন্স " এলান ডুব্রোভস্কি দ্বারা হোমোগ্রাফির অনুমান " - অংশটি ২.৩.১ দেখুন, লাইন থেকে হোমোগ্রাফির অনুমান।

— অ্যান্ড্রে রুবস্টেইন
সূত্র