【发布时间】：2014-10-29 15:12:31
【问题描述】：
我已经从事视频稳定工作好几个星期了。我遵循的算法基本上涉及 3 个步骤：-
1. FAST 特征检测与匹配
2. 从匹配的关键点计算仿射变换（缩放 + 旋转 + 平移 x + 平移 y）
3.使用三次样条或b样条平滑运动参数。
我已经能够计算仿射变换。但我坚持平滑运动参数。我一直无法评估样条函数来平滑三个参数。
这是平滑数据点的图表
关于如何编写代码以获得图中所示的所需结果的任何建议或帮助？
【问题讨论】：
-
这并不能回答您的问题，但是，如果您还没有看过它，它可能会引起您的兴趣 - First-Person Hyperlapse Videos。
-
opencv 没有样条线，但 KalmanFilter 可能也适合
-
我可以使用 KalmanFilter 但我不能在时间上妥协。这就是为什么我不得不选择样条线
-
如果您对样条曲线有疑问，请尝试高斯平滑或任何其他平均类型的卷积——它在 openCV 中得到了很好的实现。我怀疑你会看到稳定性方面的巨大差异。
标签： c++ opencv video-processing smoothing image-stabilization