Tracking from Natural Features

Get Started. It's Free
or sign up with your email address
Rocket clouds
Tracking from Natural Features by Mind Map: Tracking from Natural Features

1. Natural feature tracking

1.1. Feature point

1.1.1. podem ser

1.1.1.1. pontos

1.1.1.2. arestas

1.1.1.3. pequenos pedaços da imagem

1.1.2. propriedades

1.1.2.1. intensidade

1.1.2.2. cor

1.1.2.3. textura

1.1.3. PODEM SER USADAS COMO ALGO ROBUSTO SEM NECESSIDADE DE SEGMENTAÇÃO

1.1.4. Componentes

1.1.4.1. Deteção

1.1.4.2. Descrição

1.1.4.3. Matching

1.1.5. Detetores

1.1.5.1. Detetor/Extractor

1.1.5.2. Podem ser detetatos pontos de interesse, regiões ou "local features"( que pode ser pontos, regiões ou arestas)

1.1.5.3. Corner detectors

1.1.5.4. Blob detectors

1.1.5.5. Affine-invariant detectors

1.2. Descritor

1.3. vs Marker

1.3.1. Marker Tracking

1.3.1.1. + não requer base de dados de pontos característicos a guardar

1.3.1.2. + marcas são "eye-catcher"

1.3.1.3. + tracking menos exigente

1.3.1.4. - o ambiente tem de ser "instrumentado" com marcas

1.3.1.5. - normalmente as marcas só funcionam quando estão todas à vista

1.3.2. Natural Feature Tracking

1.3.2.1. - precisam de ser guardadas

1.3.2.2. - marcas naturais não chamam tanta atenção

1.3.2.3. + marcas naturais em todo o lado

1.3.2.4. + funcionam mesmo parcialmente

1.4. Local feature

1.4.1. propriedades

1.4.1.1. repetibilidade

1.4.1.2. saliência

1.4.1.3. compacto e eficiente

1.4.1.4. localização

2. Pose Tracking

2.1. Sensor-based

2.1.1. Location

2.1.1.1. GPS

2.1.1.2. wifi

2.1.1.3. cell tower

2.1.2. Orientation

2.1.2.1. compass

2.1.3. Relative movement/rotation

2.1.3.1. accelarometer

2.1.3.2. gyroscope

2.1.4. Context

2.1.4.1. light sensor

2.1.4.2. audio

2.1.4.3. proximity

2.2. Vision-based

2.2.1. Model-based

2.2.1.1. Intensity images

2.2.1.2. Depth images

2.2.2. Feature-based

2.2.2.1. Fiducials

2.2.2.2. Natural features

2.3. Hybrid

3. Model-based tracking

3.1. Objetivo

3.1.1. estimar os parâmetros extrínsecos da câmara

3.2. Approaches

3.2.1. intensity images

3.2.1.1. edge-based tracking

3.2.1.1.1. Fases

3.2.1.1.2. Vantagens

3.2.1.1.3. Desvantagens

3.2.1.2. interest points

3.2.2. depth images

3.2.2.1. generate pose hypotheses and evaluate them