FindChessboardCorners ne peut pas détecter l'échiquier sur de très grandes images par de longues lentilles de focale

Je peux utiliser FindChessboardCorners fonctions pour les images que moins de 15 Méga pixels, telles que la 2k x 1,5 k. cependant lorsque je l'utilise sur l'image du REFLEX numérique, la résolution à 3700x5300, il ne fonctionne pas.

J'ai essayé d'utiliser redimensionner() afin de réduire la taille de l'image directement, alors qu'il travaille.

Évidemment, il y a quelques codé en dur ou d'un bogue dans le OpenCV code source.

Pourriez-vous m'aider à comprendre, ou m'indiquer un patch pour cela ?

J'ai trouvé quelqu'un a posté un sujet similaire en 2006, icidonc il semble que le problème subsiste.

Le code que j'ai utilisé, c'est comme

found = findChessboardCorners( viewGray, boardSize, ptvec,
                                CV_CALIB_CB_ADAPTIVE_THRESH + CV_CALIB_CB_FILTER_QUADS + CV_CALIB_CB_NORMALIZE_IMAGE + CV_CALIB_CB_FAST_CHECK);

Mise à jour

Juste ici de préciser. Je pense que l'algorithme fonctionne sur la grande résolution de l'image, mais il échoue lorsque l'échiquier occupent la plus grande proportion de l'image.
Par exemple, lorsque j'utilise un 50mm fixe l'objectif sur la même position de la caméra, FindChessboardCorners n'échoue jamais. Après je l'ai changer pour 100 mm lentille fixe, la fonction commence à arrêter la détection du motif. Je pense qu'il est lié à la proportion ou la longueur focale.

L'image ci-dessous est le 100mm objectif de résultat.

Mise à jour 2

J'ai ajouté un filtre de netteté à l'image de grande taille, et il commence à résoudre le problème.

Tout d'abord j'ai utilisé

//do a sharpen filter for the large resolution image
if (viewGray.cols > 1500)
{
  Mat temp ;
  GaussianBlur(viewGray,temp, Size(0,0), 105) ; //hardcoded filter size, to be tested on 50 mm lens
  addWeighted(viewGray, 1.8, temp, -0.8,0,viewGray) ; //hardcoded weight, to be tested.
//imwrite("test"+ imageList[k][i], viewGray) ;

}

found = findChessboardCorners( viewGray, boardSize, ptvec,
CV_CALIB_CB_ADAPTIVE_THRESH + CV_CALIB_CB_FILTER_QUADS + CV_CALIB_CB_NORMALIZE_IMAGE + CV_CALIB_CB_FAST_CHECK);

Téléchargé l'image:

Une image jpg à la résolution d'origine 3744 x 5616, si ce site convertir de force, alors assurez-vous d'utiliser la bonne résolution.

FindChessboardCorners ne peut pas détecter l'échiquier sur de très grandes images par de longues lentilles de focale

source d'informationauteur tomriddle_1234

  1. 22

    Quelques points.

    1. Down-sizing, comme vous l'avez remarqué, à l'aide du détecteur. C'est parce que l'angle de détection de filtres utilisés dans OpenCV pour trouver les coins ont une taille fixe, et que la taille du masque de convolution peut être trop petit pour détecter les coins de l'image plein taille peuvent en fait l'aspect "lisse" à cette échelle, en particulier lorsqu'il est légèrement flou. Cependant, par la désagrégation de jeter un coin précision de la localisation.
    2. Pour la même raison, la netteté aide aussi. Cependant, il va également à l'encontre de la précision, car cela ajoute à la biais de la sous-pixel positions des coins - même dans le cas idéal, sans bruit. Pour vous convaincre que c'est le cas, envisager les 1D analogique: l'intensité de l'image autour d'un angle (en 1D, une forte en noir et blanc de transition) semble idéalement comme une courbe sigmoïde (une rampe d'accès à adoucir les coins), et que vous voulez trouver l'emplacement de son point d'inflexion. L'affûtage, la courbe raide, qui, en général, pour placer du point de localisation. Les choses empirent lorsque vous prenez en compte de la netteté généralement amplifie le bruit.
    3. Probablement la bonne façon de procéder est de commencer à une résolution plus faible (c'est à dire la réduction des effectifs), puis à l'échelle de l'positions des coins ainsi trouvé, et les utiliser comme des estimations initiales pour une course de cvFindCornersSubpix à pleine résolution.
  2. 1

    Si vous avez accès à la OpenCV source et de la rebâtir, alors peut-être vous pouvez déboguer le comportement de cvFindChessboardCorners.

    Vous avez à #define DEBUG_CHESSBOARD et puis vous avez peu d'aide dans la compréhension de l'algorithme.

    Je pense que OpenCV 2.4 a cette capacité (voir, par exemple,https://github.com/Itseez/opencv/blob/2.4/modules/calib3d/src/calibinit.cpp).

    En outre, même si elle ne semble pas s'appliquer à votre cas, OpenCV doc donne une exigence pour la cible de calibrage:

    Note: La fonction nécessite un espace blanc (comme un carré bordure épaisse, plus le mieux) autour du bord pour faire de la détection
    plus robuste dans les différents milieux. Sinon, si il n'y a pas de frontière
    et le fond est sombre, à l'extérieur des cases noires ne peuvent pas être
    segmenté correctement et donc le carré de regroupement et de classement de l'algorithme
    échoue.

    http://docs.opencv.org/modules/calib3d/doc/camera_calibration_and_3d_reconstruction.html#findchessboardcorners