Halcon 3D物體識別

總結了一下關於halcon的 object-recognition-3d:

1.基於控制點的位姿估計：

首先，得確定相機的內外參，其次，選擇三個或以上容易和準確地從影象中提取的點作為控制點，通過確定控制點的三維座標來確定物體的位姿

2.基於形狀的匹配：

利用三維計算機輔助設計(cad)模型生成三維形狀模型，三維形狀模型由從不同檢視中看到的三維物體的二維投影組成，需要限制形狀模型的允許姿態範圍，從而最小化必須計算並儲存在三維形狀模型中的二維投影的數量，然後在影象中搜尋，最終返回物體的三維位姿

3.基於表面三維匹配的姿態估計：

利用表面模型（由乙個三維物體模型產生的，這個模型可以是三維計算機輔助設計(cad)模型，也可以是三維重建方法）於3d場景中（如3d點雲）搜尋資料，得到匹配的三維位姿

4．基於表面的三維變形匹配：

與上一種不同的地方在於，它允許三維模型有一點變形，可選擇使用add_deformable_su***ce_model_reference_point定義一些引用點

5.基於3d基元擬合的位姿估計：

用的3d基元型別包括球體、圓柱體和平面，3d基元擬合確定了簡單3d形狀的位置或3d姿勢。

6.基於標定的透視變形匹配的姿態估計：

使用乙個平面物體的自動派生輪廓來搜尋。透視變形匹配可用於標定的相機，然後返回物體的三維姿態，也可用於未標定的相機，然後只返回二維投影變換矩陣

適用於由輪廓清晰區分的平面物體或平面物體部件。

7.基於標定描述符匹配的姿態估計

與透檢視可變形匹配類似，基於描述符的匹配查詢和定位與影象中的模板模型相似的物件。同樣，匹配可以應用於校準過的攝像機，然後返回物體的三維姿態，或者應用於未校準過的攝像機，然後只返回二維投影變換矩陣(homography)。

和上一種方法的不同之處在於，基於描述的匹配不是基於輪廓的，而是使用不同的物件點，即所謂的興趣點，來描述模板並在影象中找到模型。

主要適用於具有特徵紋理和特徵目標點的平面物體

8.圓的位姿估計

提取二維橢圓與內部攝像機引數和已知的圓半徑，可以利用運算元get_circle_pose來獲得圓的兩種可能的三維姿態(具有相同的位置，但方向相反)

9. 矩形的位姿估計

矩形的輪廓被分割成四個線段，它們的交點被認為是四邊形輪廓的角。使用提取的三維矩形二維四邊形，連同內部攝像機引數和已知的矩形大小，可以使用運算元get_rectangle_pose輕鬆獲取矩形可能的三維姿態