Smorodov

Лучше использовать новый интерфейс функций OpenCV (Mat вместо IplImage, cv:: вместо cv, короче c++ ). Откройте стандартные примеры (папка samples) там достаточно кода чтобы понять что да как. А не подключаться может либо из-за того что OpenCV построена без поддержки Qt, либо старые функции уже в другой либе.

Поддерживаю. Но думаю перестройка OpenCV решит текущую проблему.

Зачем менять систему ? Просто в профиле проекта переключите конфигурацию, кстати она по умолчанию скорее всего x32. https://forum.qt.io/topic/14753/solved-how-to-build-64-bit-application/7 пишут что Qt нужно перестраивать чтобы поменять разрядность проектов.

Я давно уже не работал с Qt, но помнится пересобирал почему то. То ли окна не показывались, то ли вообще не собиралось. Еще может быть что проект x64, а либы x32, тогда тоже они не прилинковываются.

1. OpenCV собран с поддержкой Qt ? 2. Отладочная конфигурация не увидит релизных библиотек (без буквы d в конце имени).

На CNN обучал на 6 эмоций точность на тестовой выборке ~87%, работает в реалтайме. Правда много данных и долгое обучение. Пробовал AAM, выдает не более 70%. Посмотрите еще https://github.com/TadasBaltrusaitis/OpenFace там вроде AU встроены, правда этот функционал не тестил, использовал только landmark detector.

Если приведете несколько примеров изображений и опишите что Вы пытались делать, может кто и сможет помочь. Например посмотрите как здесь делают: https://rdmilligan.wordpress.com/2015/03/01/road-sign-detection-using-opencv-orb/ правда тоже Хааром детектировали, а вот дальше извлекали ORB дескрипторы и сравнивали с шаблоном. Здесь еще проект с исходниками: https://sites.google.com/site/mcvibot2011sep/home

Да нет, просто я подумал что можно искать по цвету, а после отсева по площади, по параллельности граней, еще каким нибудь признакам, уже подать вырезанные области на классификатор. SVM, нейронку, ну или какой нибудь еще для уточнения.

А без цвета, это принципиально ?

С VTK у меня не сложилось как-то, заморочно матрицами проекции управлять было, плохой осадок остался.

Может http://pointclouds.org/ ? http://pointclouds.org/documentation/tutorials/correspondence_grouping.php#correspondence-grouping Да тут наверное проще на шейдерах написать или взять какой нибудь фреймворк для отрисовки. Недавно юзал этот: https://github.com/bkaradzic/bgfx правда не для точек, кросс-платформенный и вроде без лишних хвостов.

Еще один проект: https://github.com/tum-vision/mono_dataset_code PTAM: https://www.robots.ox.ac.uk/~vgg/rg/papers/klein_murray__2007__ptam.pdf DTAM: https://www.robots.ox.ac.uk/~vgg/rg/papers/newcombe_davison__2011__dtam.pdf Ну и этот проект тоже вроде может пригодиться : https://github.com/mp3guy/ElasticFusion , но тут RGBD.

@mult1plexer Есть еще довольно старый проект, но поковырять кишки можно: https://github.com/anuranbaka/OpenDTAM ну и PTAM от местного товарища: https://github.com/BelBES/PTAM это разгруженная версия вот этого https://github.com/Oxford-PTAM/PTAM-GPL/tree/master/Src . Такие проекты любят пришивать к ROS, BLAS и либам разреженной математики, т.к. математики там действительно прилично и писать с нуля мало кому охота.

Open Drone Map, OpenSFM, OpenMVG смотрели ?

Тут вроде есть все: https://github.com/beniz/deepdetect/tree/master/templates/caffe/resnet_50 http://www.itdadao.com/articles/c15a740162p0.html https://github.com/beniz/deepdetect/tree/master/templates/caffe/resnet_18 Питонистый вариант: http://www.iandprogram.net/entry/2016/06/06/180806

Ну да, строим текстурированную 3D модель и смотрим сверху в ортографической проекции.

Видимо через SfM делается, можно попробовать как здесь: https://pfalkingham.wordpress.com/2016/10/09/photogrammetry-testing-4-openmvg-and-mvs-texrecon/ Во всяком случае, для фоток водонапорной башни с Фантома, для сета где OpenDroneMap не сработал, инкрементным SfM облако собралось неплохо, правда долго все это считается.

Можно еще глянуть в сторону трифокального тензора ( Trifocal Tensor ). Для трех снимков он мог бы быть оптимальным. Там прямая вроде задается с точностью до масштабного коэффициента, который можно узнать из размера известной референсной прямой.

https://github.com/mapillary/OpenSfM или https://github.com/openMVG/openMVG пробовали ? Вот здесь есть неплохой мануал: https://pfalkingham.wordpress.com/2016/10/09/photogrammetry-testing-4-openmvg-and-mvs-texrecon/ OpenCV обычно отрабатывает хуже специализированных библиотек. PS: Может брать не два, а больше снимков ?

Это скорее всего учебная работа. Так то да, лучше использовать побольше информации, но как дополнительный фактор можно использовать и геометрию. Кстати, интересно узнать точность метода в чистом виде (посмотреть на ROC кривую).

Почитайте форум, близкие темы уже были. Ну и вот немного теории, тоже уже кстати была: hands.rar

Есть еще вариант dithering : https://en.wikipedia.org/wiki/Dither Но там, как правило, фиксированная палитра. Можно еще PCA применить и извлечь основные цветовые оси, сформировать палитру, и работать с ними. Можно провести кластеризацию цвета, гауссовыми смесями, или разбить цветовое пространство методом Вороного, но это всё варианты постеризации. Сколько там экономится на цвете, надо считать для каждого отдельного изображения.

Все зависит от установки оборудования, самого оборудования,от условий применения, от объекта, от требований по времени. Самолеты же распознают

Нашел интересный способ параллелить попиксельную операцию (здесь тип элемента CV64FC1, при желании легко меняется на другой): // -------------------------------------------------------- // this class is for OpenCV ParallelLoopBody // -------------------------------------------------------- class Parallel_pixel_opencv : public ParallelLoopBody { private: double *p; public: Parallel_pixel_opencv(double* ptr) : p(ptr) {} virtual void operator()(const Range &r) const { for (register int i = r.start; i != r.end; ++i) { p[i] = -(double)tanh(p[i]*0.5); // Собственно сама операция } } }; // -------------------------------------------------------- // Поэлементно берем гиперболический тангенс // -------------------------------------------------------- Mat TanH(const Mat& src) { Mat tmp = src.clone(); int nElements = src.cols*src.rows; double* p3 = (double*)tmp.data; parallel_for_(Range(0, nElements), Parallel_pixel_opencv(p3)); return tmp; }

Обычно я чистый openMP юзал напрямую, да и доках вроде не встречал (сейчас нашел в utilites.h здесь), вот и решил запостить может кто еще проглядел .