Nuzhny

Сейчас с телефона, но по памяти параметр типа approxPolyDP - это как раз Дуглас-Пекер. Встроен уже много лет как, можно пользоваться. Почему прямую так просто, потому что её усреднение с МНК сводится к решению системы линейных уравнений.

Ну, чуть выше Smorodov скинул ссылку на репозиторий с RANSAC, его же можно просто проверить, работает или нет. Далее про Дугласа-Пекера. Раз уж ищутся контуры, то можно их там же упростить/апроксимировать встроенными средствами. Можно даже просто так брать не все точки, а, скажем, каждую десятую.

Так а RANSAC не сработал? Он уж точно должен был. По поводу всех точек: можно брать только точки контура. Контур также можно брать не целиком по точкам, а аппроксимированный методом Дугласа-Рамера-Пекера - OpenCV это умеет. И точек будет совсем немного

Двойной контур не должен быть проблемой ни для RANSAC (он найдёт одну большую окружность), ни для МНК (он найдёт окружность между контурами).

Можно найти контуры, почему нет. Это как раз и будут координаты точек.

В OpenCV есть функция HoughCircles, не пробовал?

Я тут, скорее, ваш коллега, а не заказчик. Поэтому и говорю, что будут смотреть на всё, на каждую мелочь - встречать по одёжке. Степени, специалисты - это важно больше для тендеров госкомпаний, а не для коммерческих заказчиков. Поэтому ещё важно иметь публичные успешные проекты, известных, ммм, инфюэнсеров. У меня среди знакомых фирма с аналогичной направленностью (были и кандидаты, и специалисты из топ компаний) загнулась из-за малого объёма заказов. Ну или быть, как Антон Мальцев с его Recognitor, который дал успешный старт и в других направлениях. С другой стороны, чёткая специализация и позиционирование может приводить проекты само по себе, даже без рекламы.

Не знаю, кто вы и какое качество непосредственно работ, но сайтом надо заняться получше. Глядя на него, доверия к конторе не возникает. 1. Открой сайт в отдельной вкладке. Как она называется? "home page" с маленькой буквы?!! Ну нет, это же не сайт со студенческой курсовой. 2. У меня в Firefox заголовок "Power of Knowledge" наползает на "We develop artificial intelligence, machine learning and vision, data processing, neural network". Прямо сильно наползает. 3. В некоторых destinations текст начинается с маленькой буквы, а в других - с большой. Ну и в целом про позиционирование. Глядя на тот же сайт кажется, что у вас нет продукта. "Натренировали модель на открытых данных." Ну, ок. А что вы продаёте? Например, распознавание номеров, которое является одной из компетенций. Что есть продукт? Вы продаёте готовый продукт, который можно запустить как сервис и он берёт видео с камер и присылает в БД заказчика номера? Вы продаёте услуги по обучению нейросети на датасете заказчика? Вы приходите на объект, ставите камеру, собираете и размечаете датасет, тренируете, а потом выкатываете готовый проект по открыванию, например, шлагбаума на парковке? Даже если вы продаёте исключительно умение тренировать нейросети (что очень мало для клиента), то всё равно надо как-то это оформить в виде конкретных кейсов, типа: "За 1 месяц под ключ сделаем вам автоматическую парковку." Что-то в этом роде.

В 2022 Студии могут быть проблемы, если ты используешь CUDA. Она поддерживает только CUDA 11.6

Перед тем, как делать Configure в CMake отключи тесты и perf тесты

Intel представила nGraph. Круто! Можно будет не заботиться о работе на конечном устройстве. Они сейчас что-то подобное делают в opencv_dnn, переписывая на OpenCL.

На официальном сайте говорится, что в России есть официальное представительство: sensotek

Ищи контуры и закрашивай те, площадь которых меньше некоторого порога

Если пишешь на С++, то всё просто. Контуры представляются в виде векторов (std::vector), поэтому можно просто добавить точки из всех векторов в один и для него вызвать cv::convexHull

А что такое сдвиги? Матрица гомографии хранит сдвиг центра в координатах H[0, 2] и H[1, 2]. Понятно, что с учётом поворота, наклона и изменения размера, для каждого пикселя будет свой сдвиг. И чтобы его получить, надо дополненные координаты пикселя умножить на матрицу гомографии. То есть [xi_new, yi_new, 1] = H * [xi, yi, 1]. Ещё можно предположить, что требуется найти разложение матрицы гомографии на составляющие (на роизведение матриц для отдельных преобразований): сдвиг, вращение, скейл... Это тоже решается, но, кажется, не однозначно.

Гомография же задаёт в общем случае перспективное преобразование. В этом случае, между плоскостями двух снимков есть 2 угла: поворота и наклона. И они, кажется, связаны друг с другом. Если мы имеем дело с аффинным преобразованием, то да - у нас есть один угол поворота и всё.

1. Радианы. Но в общем случае твой способ может не работать. 2. Сдвиг - это H[0, 2] и H[1, 2]. Но для разных пикселей он разный.

Предлагаю начать либо с голого tesseract-ocr, либо с примеров из opencv_text. А потом по результатам.

На Питоне вряд ли, зачем на нём делать? Но это всё просто, сам можешь сделать

Тогда и правда лучше проверь версии поновей, они с ffmpeg хорошо дружат. Ну и сам ffmpeg из командной строки можешь проверить - умеет ли он h.264

A x264 работает?

Кажется, что на сшитом уже ничего особо не сделаешь - раньше надо было делать то, что используется в stitching методах. А тут разве что классический deblocking может зайти, чтобы не попортить информацию. Debloking - это просто фильтр вдоль границ склейки по сути.

Кажется, что на представленном рисунке не CLAHE, а простой equalizeHist. Только лучше с этим поэкспериментировать. Минимум это: RGB изображение -> split по каналам -> equalizeHist для каждого канала -> merge. Но возможно, что лучше сработает перевод картинки в другое цветовое пространство, например HSV, а там делать эквализацию не для всех каналов, а только для насыщенности. Или для насыщенности и яркости. Короче, надо экспериментировать. Но и CLAHE может зайти, потому что эквализация - это довольно жёсткое преобразование и может сильно исказить (зато без потери информации).

В OpenCV в модуле opencv_stitching для этого есть класс ExposureCompensator. Лучше изучи, как работает пример stitching_detailed. Там весь пайплайн сшивки панорамы и все необходимые кусочки есть.

Кажется, что лучшее решение - это всё таки 3D реконструкция, например smf. Скормите ему все свои картинки и получите координаты камеры в 3D для каждого снимка.