假设我有一个来自行车记录仪的视频。我想使用运动结构技术构建记录场景的点云。首先,我需要跟踪一些点。
哪种算法可以产生更好的结果?使用稀疏光流(Kanade-Lucas-Tomasi跟踪器)还是密集光流(Farneback)?我进行了一些实验,但无法确定。每个算法都有其优缺点。
最终目标是获取场景中汽车的点云。通过使用稀疏光流,我可以跟踪汽车的有趣点。但这会相当不可预测。一种解决方案是在图像中制作某种网格,并强制跟踪器在每个网格中跟踪一个有趣的点。但我认为这会很难。
通过使用密集光流,我可以获得每个像素的运动,但问题是,它不能真正检测只有微小运动的汽车运动。此外,我怀疑由算法产生的每个像素的流是否准确。而且,我相信只能获得两个帧之间像素的运动(与使用稀疏光流不同,在其中我可以获得沿时间t的同一有趣点的多个坐标)。
哪种算法可以产生更好的结果?使用稀疏光流(Kanade-Lucas-Tomasi跟踪器)还是密集光流(Farneback)?我进行了一些实验,但无法确定。每个算法都有其优缺点。
最终目标是获取场景中汽车的点云。通过使用稀疏光流,我可以跟踪汽车的有趣点。但这会相当不可预测。一种解决方案是在图像中制作某种网格,并强制跟踪器在每个网格中跟踪一个有趣的点。但我认为这会很难。
通过使用密集光流,我可以获得每个像素的运动,但问题是,它不能真正检测只有微小运动的汽车运动。此外,我怀疑由算法产生的每个像素的流是否准确。而且,我相信只能获得两个帧之间像素的运动(与使用稀疏光流不同,在其中我可以获得沿时间t的同一有趣点的多个坐标)。
good features to track (gftt)
。SIFT相比于gftt
有什么更加有帮助的地方吗? - Hafiz Hilman Mohammad Sofian