Niedawno zaimplementowałem oprogramowanie do rozpoznawania według techniki opisanej w this paper. Jednak mój zestaw danych zawiera również mapy głębokości wykonane za pomocą OpenNI.Propozycja algorytmu rozpoznawania obiektów za pomocą informacji o głębokości
Chciałbym zwiększyć niezawodność urządzenia rozpoznającego za pomocą informacji o głębokości. Chodzi mi o trening 1-wobec-wszystkich SVMów obliczających histogramy reakcji na łuk po ekstrakcji deskryptorów VFH (dostosowałem interfejs OpenCV DescriptorExtractor do tego zadania). Ale chodzi o to: jak połączyć te dwie rzeczy, aby uzyskać bardziej precyzyjne wyniki? Czy ktoś może zaproponować mi strategię?
P.s. Bardzo chciałbym przetestować aparat rozpoznający bezpośrednio pokazujący obiekty na kinetę (a nie, tak jak teraz robię, podając przycięte obrazy do aparatu rozpoznającego).
Czy na pewno za pomocą informacji o głębokości poprawi odporność? Artykuł, który cytujesz, używając SIFT/Bag of Visual Words jako deskryptora, który da niezmienny system afiniczny np. możesz przeskalować/obrócić/przetłumaczyć obiekt i nadal będzie on podawał podobne deskryptory, a więc rozpoznaje obiekt. Jeśli użyjesz informacji o głębi i zaczniesz pochylać obiekt pod różnymi kątami do kamery, otrzymasz zupełnie inne sygnały. – jcollomosse