假设我有一台行车记录仪的视频。我想用运动技术构造记录场景的点云。首先我需要追踪一些观点。运动与光流的结构
哪种算法可以产生更好的结果?通过使用稀疏光流(Kanade-Lucas-Tomasi跟踪器)或密集光流(Farneback)?我已经尝试了一下,但不能真正做出决定。他们每个人都有自己的长处和短处。
最终目标是获得场景中已录制汽车的点云。通过使用稀疏光流,我可以跟踪汽车的有趣点。但这是相当不可预测的。一种解决方案是在图像中制作某种网格,并强制跟踪器跟踪每个网格中的一个有趣点。但我认为这会很艰难。
通过使用密集的流动,我可以得到每个像素的运动,但问题是,它不能真正检测到只有很少运动的汽车的运动。另外,我怀疑算法产生的每个像素的流动都是准确的。此外,我相信我只能得到两帧之间的像素移动(不同于通过使用稀疏光流,我可以获得沿着时间的相同有趣点的多个坐标)
您是否尝试过使用SIFT功能的SfM的常用方法? – Sunreef
使用两者的情况如何? – Micka
@Sunreef我刚刚尝试过'追踪(gftt)'的好功能。 SIFT怎么能比'gftt'更有用? – Hilman