.. _detectionOfPlanarObjects:

平面物体检测
***************************

.. highlight:: cpp

这个教程的目标是学习如何使用 *features2d* 和 *calib3d* 模块来检测场景中的已知平面物体。

*测试数据*: 数据图像文件，比如 “box.png”或者“box_in_scene.png”等。

#.
    创建新的控制台(console)项目。读入两个输入图像。 ::

        Mat img1 = imread(argv[1], CV_LOAD_IMAGE_GRAYSCALE);
        Mat img2 = imread(argv[2], CV_LOAD_IMAGE_GRAYSCALE);

#.
    检测两个图像的关键点（尺度旋转都不发生变化的关键点）。 ::

        // 对第一幅图像进行关键点检测
        FastFeatureDetector detector(15);
        vector<KeyPoint> keypoints1;
        detector.detect(img1, keypoints1);
        
        ... // 对第二幅图像进行关键点检测

#.
    计算每个关键点的描述向量(Descriptor)。 ::

        // 计算描述向量
        SurfDescriptorExtractor extractor;
        Mat descriptors1;
        extractor.compute(img1, keypoints1, descriptors1);
        
        ... // 计算第二幅图像中的关键点对应的描述向量
#.
    计算两幅图像中的关键点对应的描述向量距离，寻找两图像中距离最近的描述向量对应的关键点，即为两图像中匹配上的关键点: ::

        // 关键点描述向量匹配
        BruteForceMatcher<L2<float> > matcher;
        vector<DMatch> matches;
        matcher.match(descriptors1, descriptors2, matches);

#.
    可视化结果: ::

        // 绘制出结果
        namedWindow("matches", 1);
        Mat img_matches;
        drawMatches(img1, keypoints1, img2, keypoints2, matches, img_matches);
        imshow("matches", img_matches);
        waitKey(0);

#.
    寻找两个点集合中的单映射变换（homography transformation）: ::

        vector<Point2f> points1, points2;
        // 用点填充形成矩阵(array)
        ....
        Mat H = findHomography(Mat(points1), Mat(points2), CV_RANSAC, ransacReprojThreshold);


#.
    创建内匹配点集合同时绘制出匹配上的点。用perspectiveTransform函数来通过单映射来映射点:

        Mat points1Projected;
        perspectiveTransform(Mat(points1), points1Projected, H);

#.
    用 ``drawMatches`` 来绘制内匹配点. 

翻译者
===============
Shuai Zheng, <kylezheng04@gmail.com>, http://www.cbsr.ia.ac.cn/users/szheng/