Tesi Robotica Algoritmi ed architetture per la risoluzione di... | Page 36

1.7. DIFFERENCE OF GAUSSIAN

36

Figura 1.7.2: Confronto del punto di campionamento con i 26 adiacenti
campionamento per individuare tutti gli estremi, dato che tali estremi possono
essere arbitrariamente vicini, tuttavia gli estremi che si trovano troppo vicini
tra loro, si dimostrano instabili alle piccole perturbazioni dell’immagine. Il numero dei keypoints aumenta proporzionalmente all’incremento della frequenza
di campionamento della Scala, e come conseguenza diretta, aumenta il numero
dei matches corretti.
Quest’ultimo concetto è di importanza fondamentale, in quanto il successo del
riconoscimento dell’oggetto spesso dipende maggiormente dalla quantità assoluto di keypoints correttamente mappati, piuttosto che dalla percentuale di
keypoints per i quali si verifica il matching.
Ora per quanto riguarda una possibile implementazione di questo algoritmo è
bene tenere a mente che:
• L’operazione di sottrazione tra immagini non è molto costosa computazionalmente e nemmeno di cile da implementare.
• La di coltà intrinseca del DoG è tutta concentrata nella fase di convoluzione.