कैमरा शेक की उपस्थिति में फिडियस मार्कर का पता लगाने

Question

जब मैं कैमरे (फोन) को हिंसक रूप से चलाता हूं तो मैं अपना ओपनसीवी-आधारित फिड्यूशियल मार्कर पहचान अधिक मजबूत बनाने की कोशिश कर रहा हूं। मार्कर एक काला सीमा के भीतर एम्बेडेड एक हैमिंग कोड के साथ ArTag-style हैं। छवियों को थ्रेसहोल्ड करके सीमाओं का पता लगाया जाता है, फिर पाए गए समोच्चों के आधार पर quads की तलाश में, फिर quads के आंतरिक जांच।

सामान्यतः, मार्कर का डिकोडिंग काफी मजबूत है यदि काला सीमा पहचाना जाता है। मैंने सबसे स्पष्ट चीज की कोशिश की है, जो छवि को दो बार घटा रहा है, और उन स्तरों पर ट्रैक्टर-डिटेक्शन भी कर रहा है। यह चरम पास के मैदानों पर कैमरे के डिफोकस के साथ मदद करता है, और छवि धुंध के बहुत छोटे स्तरों के साथ भी मदद करता है, लेकिन कैमरे की गति धुंध के सामान्य मामले में काफी मदद नहीं करता है

क्या पता लगाने के लिए और अधिक मजबूत बनाने के तरीकों पर शोध उपलब्ध है? विचार मैं के बारे में सोच रहा हूँ में शामिल हैं:

1. आप ऑप्टिकल प्रवाह अगले फ्रेम में मार्कर के पदों, तो उन अनुमान के क्षेत्र में कोने का पता लगाने के कुछ प्रकार "अनुमान" के लिए ट्रैकिंग के कुछ प्रकार कर सकते हैं, एक पूर्ण फ्रेम थ्रेसहोल्डिंग के रूप में आयताकार खोज का इलाज करने के बजाय?
2. पीसी पर, क्या धुंधला गुणांक प्राप्त करना संभव है (शायद हाल ही के वीडियो फ्रेम के साथ पंजीकरण करके जहां मार्कर का पता चला था) और प्रसंस्करण से पहले छवि को डिब्लर करना संभव है?
3. स्मार्टफ़ोन पर, क्या डिब्लरिंग गुणांक प्राप्त करने और छवि को प्री-प्रोसेस करने के लिए जीरोस्कोप और/या एक्सेलेरोमीटर का उपयोग करना संभव है? (मैं नहीं कर रहा हूँ यह सोचते हैं, बस क्योंकि अगर यह थे, बाजार शेक-संशोधन कैमरा क्षुधा बाढ़ आने वाली थी।) अगर यह मुझे बचाता है उन्हें कोशिश कर रहा में विफल रहा है विचारों के लिए

लिंक भी सराहना की जाएगी।

Answer 1

1. हाँ, आप ऑप्टिकल प्रवाह का अनुमान लगाने के मार्कर को कहां हो सकता है और अपनी खोज स्थानीय बनाना सकता है का उपयोग कर सकते हैं, लेकिन यह सिर्फ relocalisation है, अपने ट्रैकिंग धुंधला फ्रेम के लिए टूट गया होगा।
2. मैं इसे बहुत कंप्यूटेशनल रूप से संवेदनशील है, इसलिए वास्तविक समय मुश्किल
3. आप कलंक आप के साथ सामना कर रहे हैं की तरह लगता है के लिए सेंसर का उपयोग कर सकते हैं हो सकता है कहने के लिए छोड़कर deblurring के बारे में पर्याप्त जानकारी नहीं है, लेकिन मुझे लगता है कि होगा वास्तविक समय में मोबाइल उपकरणों के लिए डिब्लरिंग बहुत कम्प्यूटेशनल है।

फिर कुछ अन्य तरीकों:

यहाँ में वास्तव में कुछ चालाक सामान है: http://www.robots.ox.ac.uk/~gk/publications/KleinDrummond2004IVC.pdf जहां वे बढ़त का पता लगाने (जो आपके मार्कर सीमाओं को खोजने के लिए इस्तेमाल किया जा सकता कर रहे हैं, भले ही आप देख रहे हैं अभी quads), सेंसर से कैमरा आंदोलनों का मॉडलिंग, और उन मूल्यों का उपयोग यह अनुमान लगाने के लिए कि फ्रेम दर के बाद धुंध की दिशा में किनारे दिखाई देना चाहिए और इसके लिए खोज। बहुत खूबसूरत।

इसी प्रकार यहां http://www.eecis.udel.edu/~jye/lab_research/11/BLUT_iccv_11.pdf वे केवल ट्रैकिंग लक्ष्यों को पूर्व-धुंधला करते हैं और धुंधली दिशाओं को उचित रूप से धुंधले लक्ष्य से मेल खाने का प्रयास करते हैं। वे धुंध मॉडल के लिए गॉसियन फ़िल्टर का उपयोग करते हैं, जो सममित होते हैं, इसलिए आपको प्रारंभिक रूप से अपेक्षा की जा सकने वाली कई पूर्व-धुंधली लक्ष्यों की आवश्यकता होती है।

यदि आप इनमें से किसी एक को लागू करने का प्रयास करते हैं, तो मैं वास्तव में यह सुनना चाहता हूं कि आप कैसे प्राप्त करते हैं!

Answer 2

कुछ संबंधित कार्यों से (वीडियो में एक फ्रेम से दूसरे फ्रेम में सुविधाओं की संभावित स्थान की भविष्यवाणी करने के लिए सेंसर/जीरोस्कोप का उपयोग करने का प्रयास) मैं कहूंगा कि अगर असंभव नहीं है तो 3 मुश्किल होने की संभावना है। मुझे लगता है कि सबसे अच्छा आप अनुमानित दिशा और गति के कोण का संकेत प्राप्त कर सकते हैं जो आपको दाभाद द्वारा संदर्भित दृष्टिकोणों का उपयोग करके धुंधला मॉडल करने में मदद कर सकता है, लेकिन मुझे लगता है कि यह संभावना नहीं है कि आपको अधिक सहायता के लिए पर्याप्त सटीकता मिल जाएगी।