Tesi Robotica Algoritmi ed architetture per la risoluzione di... | Page 6
INDICE
6
1.6.3
32
Di erence of Gaussian . . . . . . . . . . . . . . . . . . . . . . . .
33
1.7.1
1.7
Trasformazioni . . . . . . . . . . . . . . . . . . . . . . . .
33
Funzionamento dell’algoritmo . . . . . . . . . . . . . . . .
2 Feature detection and extraction
2.1
37
Accurate keypoint localization . . . . . . . . . . . . . . .
38
2.1.1.1
Eliminating edge response . . . . . . . . . . . . .
40
2.1.2
Orientation assignment . . . . . . . . . . . . . . . . . . .
41
2.1.3
Keypoint descriptor . . . . . . . . . . . . . . . . . . . . .
42
Implementazione di erente del DoG, SIFT-derived . . . . . . . .
43
2.2.1
Parameter and future sets . . . . . . . . . . . . . . . . . .
43
2.2.2
Osservazioni Numerici . . . . . . . . . . . . . . . . . . . .
45
AGAST: Adaptive and Generic Accelerated Segment Test . . . .
49
2.3.1
Configuration Space for a Binary Search Tree . . . . . . .
51
2.3.2
Costruzione albero di decisione ottimale . . . . . . . . . .
52
2.3.3
2.3
37
2.1.1
2.2
SIFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Albero adattivo di switching . . . . . . . . . . . . . . . .
52
3 AGAST implementazioni
55
3.1
Seriale su PC . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
55
3.2
Conversione C to Hardware: High level syntesis . . . . . . . . . .
57
3.3
AGAST HW con Legup . . . . . . . .