[db:标题]

我估摸着这个应该是关于形状匹配或者模版匹配的最后一篇文章了，其实大概是2个多月前这些东西都已经弄完了，只是一直静不下来心整理文章，提醒一点，这篇文章后续可能会有多次修改（但不会重新发文章，而是在后台直接修改或者增加），所以有需要的朋友可以随时重复查看。 这次带来的更新也是革命性和带有建设性的，使得该算法向工程化更加迈进了一步。不过严格意义上说和halcon还是有较大的差距的。 能够带来这次的变化和提升，其实也得益于偶尔的一次交流，一个微信好友给我发了一份可以不用配置就可以运行的linemod的代码，因为可以运行，我就有兴趣看其代码的细节，也从中得到了更多的灵感，用于我自己的工程。从这个事情可以得出两个小经验：一个是要多交流，二是一个事情如果当前搞不定，不要一直搞，要有准备的等，说不定哪天就有意外的收获。 就好似我们掉了一个东西，怎么找都找不到，但是有可能突然某一天他就冒出来了。 好，言归正传，后续的文字也不讲究就逻辑性，想到啥说啥。 一、还是打击下linemod的速度 linemod的过程包含了原图的（被查找图，也许很大）梯度角度量化（QuantizedOrientations）、计算响应图（IM_ComputeResponseMaps）、梯度扩散等等过程，这些过程，就是使用特殊的指令集进行优化，对于稍微大一点的图来说，也是相当耗时的，所以对于快速的目标识别来说linemod应该不是很好的方法。 　　另外，linemod的代码里虽然有金字塔，但是他只是对特征方面用了金字塔，在旋转角度上他确没有进行下采样，也就是说，如果底层金字塔有100个旋转角度，第二层还是100个，第三个也还是100个，以此类对，而不是每层也减半的策略，这个可以从他的addTemplate含数里能看到细节。 二、从linemod中学到一些非常有用的东西。 1、创建模型时，直接旋转0角度时识别的特征作为其他角度的特征，而非旋转图像，然后在识别特征。 在前面所有的文章中，我们创建模型的时候，都是采用的先旋转模版图像，然后再计算特征，并把这些特征保存起来。这样做，可以解决问题，但是带来了两个大的麻烦：首先是创建模型的速度会有影响，特备是对于稍微大一点的模版图，耗时非常吓人。对于形状匹配来说，是有不少场景的模版图特别大的，甚至占到了被查找图的一半以上的。这种情况，早期的方案基本就不能解决问题。 第二个麻烦是，我们存储这些特征也会占用大量的内存，同样对于大模版图，存在内存不够的风险。 这个问题其实很多写模版匹配的朋友都有遇到过，而且早期我也没有好的解决方案，曾经尝试过旋转特征，不过不知道为什么当时得到的结果总是有问题。