opencv - OpenCV特征匹配算法在传送带上的盒子的建议

概述

我正在尝试构建视觉系统的原型(prototype)，该视觉系统将应用模式匹配来确定盒子(例如肥皂盒)的方向。

图片样本

以下是在实际环境中具有四个可能方向中的两个方向的肥皂盒的实时捕获图像。 (Front_Straight和Back_Inverted方向)。

实时图像将与这些图像非常相似(每幅图像约300x200像素)

____

模板图像将事先送入系统，并且必须确定在传送带上移动的盒子的方向。传送带上的盒子经过引导，因此它们只能采用Front_Straight，Front_Inverted，Back_Straight和Back_Inverted 4种可能的方向之一，即盒子不能成 Angular 。摄像机和传送带是固定的，因此实时框的图像大小恒定为300px x 200px。 (我使用过黑白相机，如果需要也可以使用彩色相机)

视觉系统原型(prototype)的一些属性:

固定不变的照明。

盒子的实时图像将相当
附带的低分辨率图片(每盒300x200)

最小的运动模糊或成像伪影

基于OpenCV C++的编码环境。

基于Intel Core i5 CPU的PC将
使用。

问题陈述

我正在寻找一种重量轻但功能强大的算法，该算法可以使模板图像与传送带上盒子的实时图像完全匹配，以提取人脸和方向。我是特征匹配的新手，因此请引导我确定哪种特征检测器和匹配器最适合此特定情况的。另外请让我知道，使用所附的低分辨率实时图像是否有可能达到97％的精度。

最佳答案

您有一个非常幸运的情况，图像变化很小。在这种情况下，任何功能检测器都应表现出色。由于在OpenCV中该接口(interface)是通用的，因此相互比较非常容易。根据我的经验，ORB往往会非常快速并取得良好的结果，但是我希望SIFT / SURF也能在您的情况下工作。

我不希望分辨率成为问题。

关于opencv - OpenCV特征匹配算法在传送带上的盒子的建议，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/56012430/