mult1plexer

findEssentialMat + recoverPose (Opencv), сейчас реализовано частично своими методами А порядок действий я так понимаю такой: регистрируем первое облако, потом второе, далее ищем общие пары, находим расхождение, с помощью матриц трансляции и поворота, минимизируем расхождение?

За это спасибо. Посмотрю. Есть идея еще средствами opencv все сделать. Но не находил описательной формы алгоритма. конкретно уточнение и обновление накопленной информации. Не встречали что то подобное?

Да. все что на поверхности уже смотрел. опять же набор фреймворков.

На момент написания поста 2 камеры, но есть вероятность что будет только одна.

Алгоритмы реконструкции. склейка в данном случае подразумевает создание большого полотна из полученных в моменте карт глубин в одну большую, с учетом сдвига и поворота. Что-то вроде этого: Единственная проблема это вычислительная сложность алгоритмов и их реализация. Планируется доработка и перенос кода в железо.

Приветствую коллеги. Столкнулся с проблемой по взаимодействию opencv и netbeans и linux(прим. с системой не знаком), а именно не удается получить кадр с видеопотока. Проблему вижу в неправильной конфигурации opencv и модуля ffmpeg в нем при сборке или неправильном подключении opencv к netbeans. Файлы прикладываю.

А не могли бы поделиться источником откуда скачивали образ ос?

на сайте, что мне указали есть замечание Note that this is default configuration. If you want to have FFMPEG and CUDA support, you have to first install these libraries and edit the CMakeCache.txt to enable these features! из за этого момента при сборке появляется ошибка после команды make так вот как настроить cmake чтобы он собирал и ffmpeg?

поставить не удается, загрузка останавливается на 12%. Нужно разбираться что не так.

ogg, и контейнер avi, но там кодек точно другой. Результат один и тот же. Есть ощущение, что среда не знает где искать.

Да изображения читаются, видео файлы в системе тоже открываются. Устанавливал opencv через cmake и через консоль и через gui.

Добрый день, появилась задача связанная с парковочной системой, а именно определению количества занятых и свободных парковочных мест, ничего нового впринципе. Необходимо решить проблему связанную с изменением освещенности, отражениями от поверхностей, бликами. Первоначально использовал простые методы по детектированию авто такие, как вычитания изображения из базового статического кадра и последующие бинарные, морфологические и т.д. преобразования на простых тестовых видеозаписях (статичное освещение, нет бликов, нет отражений) это давало неплохие результаты. На сложных или более естественных видеозаписях, где происходит смена освещения и т.д это не работает. Стал смотреть в сторону адаптивных моделей фона, в частности BackgroundSubtractorMOG2, проблемы с фоном решились, но появились новые. Например переход объектов переднего плана к модели фону, в связи с чем невозможность детектирования малоподвижных или статических в определенный момент времени объектов. Так вот если кто то сталкивался с такими проблемами и успешно решал не могли бы вы подсказать пути их решения?

Вот что получилось (предварительные результаты) https://youtu.be/eEp1gFZkQtw Модель фона аддаптивная, цепляет много лишнего.

нет HOG не пробовал. Пробовал детектор Хаара. Варьируя параметры детектора, перестает цеплять шумы, теряя при этом информативность, т.е не все авто определяет.

Задача заключается в определении наличия или отсутствия авто в интересующих местах, которые пользователь произвольно выделяет. 1. Да как можно универсальнее, без привязки. 2. Любые погодные явления, которые могут возникнуть на открытой парковке. 3. Камеры статические. 4. Разрешение HD, FULL HD; расстояние до земли до 8м. Детекторы границ тоже применял. они цепляют много посторонних предметов, те же тени, блики и т.д. По нескольким кадрам это может и работает, а вот на видеозаписи нет.

Тут как раз мне кажется больше решается задача слежения, чем выявлении новых объектов. По сути в моей задачи не нужен трекинг авто, а важен сам факт появления или его отсутствия в заданных областях.

Да тоже думаю в направлении обновления кусками, но пока идей нет.

Работаю с этими видео. 1 видео - https://youtu.be/p8YvegQFKSU 2 видео - https://youtu.be/ZpJA7e7gNXo 3 видео - https://youtu.be/qV3hksMwZNk С первым видео проблем нет если использовать методику со статичным фоном подвижные объекты можно успешно определить. Со вторым в момент движения автомобиля появляются проблемы связанные с освещенностью от фар. Но они пропадают когда авто останавливается. Тоже статичный фон. Третье самое проблемное . Статичный фон здесь не подходит. Меняется освещение, отражения. Использовал динамичную модель фона. Более менее нормально определяются авто, но непонятно как решить проблему с переходом объектов переднего плана к модели фона.

Можно ли с помощью метода cvPutText или другого вывести текст кириллицей на изображение iplimage?

А с точки зрения производительности и вычислительных ресурсов разве IplImage не предпочтительнее использовать чем Mat?

С помощью метода cvPolyLine отрисовываю на изображении несколько четырехугольников. Как с помощью средств opencv или обычными средствами быстро получать доступ к пикселям внутри этих областей. Т.е стоит задача в обработке пикселей не на всем изображении, а только на выделенных такими многоугольниками.

С помощью маски пробовал: пример с маской Но я работаю с iplimage и время на преобразования туда обратно заметно и создавать лишнии копии не желательно, потому что необходимо обрабатывать каждую область отдельно. В целом необходимо в выделенных областях подсчитывать на бинарном изображении кол-во белых пикселей. Поэтому может есть идеи как подсчитывать непосредственно на самом изображении, без дополнительных манипуляций с масками и копиями?