-
Notifications
You must be signed in to change notification settings - Fork 468
New issue
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
追蹤了博主三年了,在此用一個開源模板匹配算法回饋給各位 #183
Comments
你好,跑了一下,效果还可以;那么请问检测速度和精度怎么样?谢谢 |
测试了一下,检测速度有点难达到工业要求。精度尚不知。 |
@wly2020-robot |
你好,测试图目前全部来自你的实例图。 |
偏差很大,是不是我哪里操作不对? |
检测速度会去到600多ms,像素级别也就是1000万多一点,还是慢了点。 |
我实际用的arm嵌入式板,相比电脑配置检测速度就要慢3-4倍。 |
实际上工业上检测对检测速度和精度要求是高的。你这个算法就测试来看,与博主大佬的算法差距还是有的。也有可能我有些方面没有考虑到,或者没有优化到,请指教?谢谢。 |
1.38度那張圖實際就是38度... 我只是隨手擺放了一下就取名"45"了 |
嗯,38度那张图,那实际检测出来的角度38.454,偏差0.454度;0度那张图实际检测出来的角度是-0.761度,偏差0.761度;实际工业上定位检测,角度偏差在0.1度左右,甚至更小;能有优化的空间吗? |
把Min Reduced Area改成64,内存使用直接飙到6个G,直接卡死。 |
需要很大内存吗? |
你好,首先对你的解答很是感谢;已经把star给到你了。 |
同时能否给出算法的检测角度偏差范围呢?就像meiqua一样给出具体的精度数据,谢谢。 |
改完Min Reduced Area,要重新拖曳樣板圖片,不然會出現無法預期的情況 |
对于目标的角度检测精度是>0.2吗?我在arm的6核心处理器上跑出来的效果去到1340ms左右,如果能跑出200-300ms基本上就满足速度要求了。如果在ubuntu系统上跑,有没有相应的版本或者是替换SIMD的版本参考呢?谢谢 |
SIMD我不會了 |
在哪,我这边链接都打不开搜不到了 |
此演算法是基於Normalized Cross Correlation實現的算法,在不是太複雜的的環境下可以有效地替代ShapeBasedMatching,內部也不難理解,無SIMD,效能能夠跟上商用函示庫的相同算法,只是把OpenCV用到極限,花幾天就能讀透
github連結
執行結果示例:
The text was updated successfully, but these errors were encountered: