1 / 15

三品 陽平

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.

roddy
Download Presentation

三品 陽平

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. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. ORB: an efficient alternative to SIFT or SURF 三品 陽平 2011.12.20

  2. 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

  3. キーポイント検出と特徴量記述の変遷 BRIEFの改良

  4. 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)

  5. 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

  6. 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

  7. 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

  8. 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

  9. 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

  10. 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

  11. 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

  12. 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

  13. 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

  14. 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

  15. 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

More Related