Tesi Robotica Un coprocessore per Visual Search: Keypoint... | Page 39
2.1. FEATURE DESCRIPTION
39
sl osto di questo tipo di ontrollo è reltivmente ssoD dovuto l ftto he
molti dei punti mpione srnno srtti durnte le prime veri(heF n9imporE
tnte questioneD nell9individuzione del mssimo loleD onsiste nel determinre
l frequenz di mpionmento nell9immgine e il dominio dell slF forE
tuntmenteD ne deriv he non 9è uno spzio minimo di mpionmento per
individure tutti gli estremiD dto he gli estremi possono essere ritrrimente
viiniF uttviD gli estremi he si trovno troppo viini tr loro si dimostrno
instili lle piole perturzioni dell9immgineF sl numero dei keypoints inE
rement on l9umento del mpionmento dell slD e di onseguenz rese
nhe il numero totle dei mhes orrettiF giò è di importnz fondmentleD
in qunto il suesso del rionosimento dell9oggetto spesso dipende mggiorE
mente dll quntità ssolut dei keypoints orrettmente mpptiD piuttosto
he dll perentule di keypoint per i quli si veri( mthingF
2.1.3 Fast Hessian
uesto detetor è stto sviluppto dl rofF entone fy e i punti restituiti
in output presentno nh9essi proprietà di invrinz rispetto l mimento
di slF er l su e0i e veloità di omputzione è stto ingolto nell
rnsformzione pF
uesto proedimento risult essere simile quello già visto nel hoqF sn
mo i si puntimo d ottenere l9invrinz rispetto l mimento di sle
ridimensionndo l9immgine più volte e utilizzndo l funzione gussin per
de(nire le sleF uttvi enzihé utilizzre l di'erenz di qussin esso è
sto sul lolo del determinnte dell wtrie del ressinoF ht un sl
σ,risult essere osì de(nito per ogni pixel
∂2
∂2
∂x2 G(σ) ∗ I(x, y)
∂x∂y G(σ) ∗ I(x, y)
H(x, y, σ) =
∂2
∂2
∂x∂y G(σ) ∗ I(x, y)
∂y 2 G(σ) ∗ I(x, y)
glolre direttmente l onvoluzione tr l derivt di seondo ordine delE
l qussin d un sl dt e l9immgine è un9operzione he rihiede un
ingente osto omputzionle speilmente d lte sleF uttvi fy osservò
he questo lolo può essere pprossimto utilizzndo delle pposite mshere