OpenCV warpPerspective 的问题

Question

我正在开发一个带有移动摄像头的 Android 背景减法项目。我正在尝试使用特征匹配、findHomography 和 warpPerspective 来查找两帧之间的重叠像素。但是，我得到的输出有点不正确。我对图像处理很陌生，所以我不熟悉所有术语。我有两个主要问题：

1) warpPerspective 的结果过度扭曲 - 例如图像倾斜，图像中的对象被翻转、挤压等。我该如何解决这个问题？

2) 我有时会收到“OpenCV 错误：断言失败”错误，这会导致我的应用程序崩溃。此错误映射到 warpPerspective。注意：image1（前一帧）和image2（当前帧）的尺寸相同。在检测特征（当前来自 RGB）之前，我将图像转换为灰色。我有时会在使用 findHomography 时遇到类似的“OpenCV 断言失败”错误，但我了解到它至少需要 4 分 - 因此添加 if 语句解决了它，但不确定如何使用 warpPerspective 解决错误。

我得到的错误：

02-24 15:30:49.554: E/cv::error()(4589): OpenCV Error: Assertion failed (type == src2.type() && src1.cols == src2.cols && (type == CV_32F || type == CV_8U)) 
    in void cv::batchDistance(cv::InputArray, cv::InputArray, cv::OutputArray, int, cv::OutputArray, int, int, cv::InputArray, int, bool), 
    file /home/reports/ci/slave_desktop/50-SDK/opencv/modules/core/src/stat.cpp, line 2473

我的代码：

void stitchFrames(){

    //convert frames to grayscale
    image1 = prevFrame.clone();
    image2 = currFrame.clone();

    if(colourSpace==1){ //convert from RGB to gray
        cv::cvtColor(image1, image1Gray,CV_RGB2GRAY);
        cv::cvtColor(image2, image2Gray,CV_RGB2GRAY);
    }
    else if(colourSpace==2){ //convert from HSV to gray
        cv::cvtColor(image1, image1Gray,CV_HSV2RGB);
        cv::cvtColor(image1Gray,image1Gray,CV_RGB2GRAY);
        cv::cvtColor(image2, image1Gray,CV_HSV2RGB);
        cv::cvtColor(image2Gray,image1Gray,CV_RGB2GRAY);
    }

    else if(colourSpace==3){ //no need for conversion
        image1Gray = image1;
        image2Gray = image2;
    }

    //----FEATURE DETECTION----

    //key points
    std::vector<KeyPoint> keypoints1, keypoints2;

    int minHessian;

    cv::FastFeatureDetector detector;

    detector.detect(image1Gray,keypoints1); //prevFrame
    detector.detect(image2Gray,keypoints2); //currFrame

    KeyPoint kp = keypoints2[4];
    Point2f p = kp.pt;
    float i = p.y;

    //---FEATURE EXTRACTION----

    //extracted descriptors
    cv::Mat descriptors1,descriptors2;

    OrbDescriptorExtractor extractor;
    extractor.compute(image1,keypoints1,descriptors1); //prevFrame
    extractor.compute(image2,keypoints2,descriptors2); //currFrame

    //----FEATURE MATCHING----

    //BruteForceMacher

    BFMatcher matcher;

    std::vector< cv::DMatch > matches; //result of matching descriptors
    std::vector< cv::DMatch > goodMatches; //result of sifting matches to get only 'good' matches

    matcher.match(descriptors1,descriptors2,matches);

    //----HOMOGRAPY - WARP-PERSPECTIVE - PERSPECTIVE-TRANSFORM----

    double maxDist = 0.0; //keep track of max distance from the matches
    double minDist = 80.0; //keep track of min distance from the matches

    //calculate max & min distances between keypoints
    for(int i=0; i<descriptors1.rows;i++){
        DMatch match = matches[i];

        float dist = match.distance;
        if (dist<minDist) minDist = dist;
        if(dist>maxDist) maxDist=dist;
    }

    //get only the good matches
    for( int i = 0; i < descriptors1.rows; i++ ){
        DMatch match = matches[i];
        if(match.distance< 500){
            goodMatches.push_back(match);
        }
    }

    std::vector< Point2f > obj;
    std::vector< Point2f > scene;

    //get the keypoints from the good matches
    for( int i = 0; i < goodMatches.size(); i++ ){

        //--keypoints from image1
        DMatch match1 = goodMatches[i];
        int qI1 = match1.trainIdx;
        KeyPoint kp1 = keypoints2[qI1];
        Point2f point1 = kp1.pt;
        obj.push_back(point1);

        //--keypoints from image2
        DMatch match2 = goodMatches[i];
        int qI2 = match2.queryIdx;
        KeyPoint kp2 = keypoints1[qI2];
        Point2f point2 = kp2.pt;
        scene.push_back(point2);

    }

    //calculate the homography matrix
    if(goodMatches.size() >=4){
        Mat H = findHomography(obj,scene, CV_RANSAC);

        warpPerspective(image2,warpResult,H,Size(image1.cols,image1.rows));
    }
}

Answer 1

关于您的第一个问题，我认为您提到的失真是由于以下事实：

1234563

• 然后您在函数warpPerspective 中使用H，就好像它将图像2 中的坐标映射到图像1 中的坐标一样，因为您希望它将image2 转换为warpResult，我猜这是应该缝合到image1。

因此，您应该估计单应性H 如下：Mat H = findHomography(scene, obj, CV_RANSAC);。

关于你的第二个问题，我认为它是由这条指令提出的：

matcher.match(descriptors1,descriptors2,matches);

错误表示表达式

(type == src2.type() && src1.cols == src2.cols && (type == CV_32F || type == CV_8U))

被发现是假的，而函数工作应该是真的。解决了类似问题here：在调用match函数之前，需要手动检查以下是否为真：

(descriptors1.type()==descriptors2.type() && descriptors1.cols==descriptors2.cols)

Answer 2

关于（1），我的猜测是您估计的单应性是基于不良匹配。

首先我将使用 ORB 检测器而不是 FAST，然后更改 findHomography ransacReprojThreshold 参数。默认值为3，详情：

ransacReprojThreshold：

将点对视为内点的最大允许重投影误差 （仅用于 RANSAC 方法）。也就是说，如果：

| dstPoints_i - convertPointsHomogeneous(H * srcPoints_i) | > ransacReprojThreshold

那么点 i 被认为是异常值。如果 srcPoints 和 dstPoints 以像素为单位，通常设置此参数是有意义的 介于 1 到 10 之间。

换句话说，假设默认为 3 个像素，如果在将单应性应用于 srcPoint 后，它到 dstPoint 的距离大于 3 个像素，则该对被认为是内点（即：好）。

这只是一个开始，它还将帮助您找到更好的过滤器来获得良好的匹配和良好的单应性，您会找到一些关于这些的答案：

OpenCV Orb not finding matches..

How can you tell if a homography matrix is acceptable or not?