ORB: an efficient alternative to SIFT or SURF
Download
1 / 15

三品 陽平 - PowerPoint PPT Presentation


  • 151 Views
  • Uploaded on

ORB: an efficient alternative to SIFT or SURF. 三品 陽平. 2011.12.20. 論文紹介. ORB : an efficient alternative to SIFT or SURF [ICCV2011] FAST に回転不変性を導入 BRIEF の改良 BRISK とオリエンテーションの推定法と 輝度差を求める 2 点の選択方法が異なる 著者 Ethan Rublee , Vincent Rabaud , Kurt Konolige , Gray Bradski Willow Garage.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' 三品 陽平' - roddy


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

論文紹介

  • ORB: an efficient alternative to SIFT or SURF

    [ICCV2011]

    • FAST に回転不変性を導入

    • BRIEFの改良

    • BRISKとオリエンテーションの推定法と輝度差を求める2点の選択方法が異なる

    • 著者

      Ethan Rublee, Vincent Rabaud, Kurt Konolige, Gray Bradski

      • Willow Garage



キーポイント検出手法

  • SIFT(DoG)[ICCV1999]

    • DoG画像を利用した極値探索によるキーポイント検出

  • SURF[ECCV2006]

    • 近似Hessian-Laplaceによるキーポイント検出

  • FAST[ECCV2006]

    • 決定木を利用したコーナー判定によるキーポイント検出

高速なキーポイント検出

高速化のためFASTの利用を想定(オリエンテーション算出)


Features from accelerated segment test fast
Features from Accelerated Segment Test (FAST)

  • コーナーのみをキーポイントの対象として検出

  • 注目画素を中心とした円周上の画素を観測

  • 決定木を用いたFASTによるコーナー検出

    • 高速かつ省メモリなコーナー検出が可能

    • SIFT(DoG)と比較して約45倍高速

  • 画像の複数スケールを入力しキーポイントのスケールを決定


オリエンテーション

  • パッチ内の輝度値の重心位置と中心を結ぶ方向ベクトル

: パッチ中心

: 輝度の重心


オリエンテーションの算出

  • モーメントの算出

  • 重心座標の算出

x,y : パッチ内の座標


Brief
BRIEF

  • 高速性

    • 記述高速化:バイナリ列の直接的生成

    • マッチング高速化:ハミング距離の利用

  • 頑健性

    • 照明変化に対応

    • スケール不変性,回転不変性がない


特徴量記述

  • パッチ内の比較ピクセルを学習により選択

    • 分散が大きく,ペア間の相関が低いバイナリコードを選択

  • Greedy アルゴリズムを用いて選択


Greedy
Greedyアルゴリズムを用いた選択

  • 前処理

    • PASCAL 2006から300,000のキーポイントを算出

    • 31×31のパッチに5×5のサブウィンドウを設定

    • 205590のテストペアを作成

    • 全てのテストペアのテストを実行

    • バイナリの平均値が0.5に近い順にペアをソートしベクトルTに代入

    • 先頭のペアをベクトルRに代入

  • 繰り返し処理

    • ベクトルTから1つ取り出しベクトルR内のペアと相関を比較

    • 相関がしきい値以下ならベクトルRに追加,それ以外は破棄

    • ベクトルRが256個のペアを選択したら終了

    • 探索しても256に満たない場合はしきい値を下げる


評価実験

  • 回転不変性

rBRIEFが最も回転に対する頑健性が高い


評価実験

  • 実環境下におけるマッチング

    • 回転,スケール変化に対応


評価実験

  • 識別の処理時間の比較

    • Intel i7 2.8GHz 搭載マシン

    • 2686枚の画像から5つのスケールを算出

    • 2000000点以上の特徴点を約42秒で処理が可能

ORBの各ステップの処理時間

1フレームの処理時間の比較

SIFTと比べ約340倍高速に処理が可能


物体認識と姿勢推定

  • 対応点マッチングによる物体認識

  • 物体の姿勢も推定可能


まとめ

  • FASTにオリエンテーション算出アルゴリズムを導入

  • BRIEFに回転不変性の導入

    • 学習による比較ピクセルの選択

  • 高速且つロバストなマッチングが可能


ad