Каковы преимущества / недостатки между различными предопределенными словарями ArUco? - PullRequest
0 голосов
/ 28 апреля 2018

Я хочу использовать маркеры ArUco для обнаружения объектов и использовать предопределенный словарь .

Мне нужно небольшое количество разных маркеров. Около 10. Теперь мне интересно, каковы преимущества и недостатки различных предопределенных словарей.

Словари различаются по количеству маркеров и битов .

Пока мои мысли:

  • При меньшем количестве маркеров уменьшает межмаркер расстояние, таким образом, вероятность ошибочной классификации идентификатора маркера. Однако максимальное количество доступных уникальных маркеров меньше.

  • Меньший размер помогает лучше идентифицировать маркеры, если их размер в пикселях на захваченном изображении мал (маркеры печатаются маленькими / далеко на изображении) Однако максимальное количество доступных уникальных маркеров меньше.

Правильно ли пока мыслительный процесс? Я что-то пропустил?

Так что для меня, требующей только 10 различных маркеров, я, вероятно, должен придерживаться словаря DICT_4X4_50 , чтобы добиться лучших результатов обнаружения маркеров ?!

Или было бы лучше создать собственный словарь с еще меньшим количеством маркеров для увеличения расстояния между маркерами?

1 Ответ

0 голосов
/ 25 июля 2018

Я главный разработчик ArUco. Я лично рекомендую первые 10 маркеров словаря ARUCO_MIP_36h12. Если вы не работаете с крайне низким разрешением, нет никакого реального улучшения работы с маленькими маркерами, такими как 4x4 или 3x3. Это связано с тем, что внутренне библиотека уменьшает обнаруженный маркер до небольшого размера (около 50х50 бит, независимо от его размеров в реальном изображении), и именно в этом разрешении анализируется код.

Полностью объясненный конвейер библиотеки ArUco описан в последней статье. https://www.researchgate.net/publication/325787310_Speeded_Up_Detection_of_Squared_Fiducial_Markers в разделе 3.2. Кроме того, вы можете получить больше информации в документации на https://docs.google.com/document/d/1QU9KoBtjSM2kF6ITOjQ76xqL7H0TEtXriJX5kwi9Kgc

...