opencv Linemod模板匹配算法有哪些难点及个人理解？

研究这个前前后后也有快两三个月了，因为之前也一直在弄模板匹配方面的东西，所以偶尔还是有不少朋友咨询或者问你有没有研究过linemod这个算法啊，那个效率啥的还不错啊，有段时间一直不以为然，觉得我现在用的那个匹配因该很不错的，没必要深究了。后来呢，还是忍不住手痒，把论文打出来看了看，又找了点资料研究了下，结果没想到一弄又是两个月过去了，中间也折腾了很久，浪费了不少时间。总算还是有点收获，稍微整理下做个交流。 至于linemod的具体数学原理，我也不需要详谈，毕竟论文和opencv的代码就摆在那里， github上也有一些别人改进的版本。 我就觉得啊，linemod这个基于计算边缘的模板匹配啊，他使用的是选中的特征点的梯度的角度方向作为特征，而不是梯度的值，而后计算模板和测试不同位置角度的余弦的绝对值，这个都是常规的操作。 作者把这个角度线性量化为一些特定的值，这个本质上呢降低了算法的精度，但是由于特征点较多，基本不会影响识别结果。 关键是这个量化啊，能够带来很多很多的好处，有些真的是意想不到。 　　论文里呢把360的角度量化为8个值，即以45度为间隔，分别用整数0、1、2、3、4、5、6、7表示，这样呢不同的两个角度之间的差异绝对值呢，只有0、1、2、3、4这5种可能，分别对应5个得分，比如模板的某个特征点的角度为210度，则量化值为4，目标中某个位置的角度值为52度，则量化值为1，这样角度之间差异值为3，则对应的得分为1。 　 接着论文里说为了减少微小的变形引起的识别误差，建议将量化后的值进行扩散，这个扩散也是设计的非常有技巧，很有意思，充分利用了或运算的优异特性。 后续说为了减少计算量呢，可以提前计算出8个响应图，这样匹配计算时就可以直接查表，而无需实时计算。　　 再后续还有一个线性化内存，算了，我已经没看那个了，到前面这一步就已经打止了，因为我已经开始编程了。 第一步呢，我就是在考虑算法的优化问题，我看了下opencv的代码，写的很好，又很不好，让你读的很难受，但是写的确实稳健，考虑到了很多不同的硬件配置，这也许就是大工程的特性吧。 角度量化的问题和代码方面我不想提，也有很多可优化的地方，大家可自行考虑。 在谈到提速之前，我说一个重点，那就是所谓的梯度扩散、计算响应图都是在查找模板时进行的， 对不同的图都要有重新计算，而不是离线玩。所以这里的每个耗时，都和检测速度有关。