Detektory punktów kluczowych w systemach obrazowania wizyjnego

W pracy zostały omówione zagadnienia związane z metodami wykorzystywanymi do detekcji oraz dopasowania punktów charakterystycznych w systemach obrazowania wizyjnego. Praca została podzielona na dwie części: teoretyczną i projektową. W części teoretycznej przedstawiona została platforma Raspberry Pi, środowisko programistyczne Qt oraz biblioteka OpenCV zawierająca funkcje wykorzystywane podczas przetwarzania obrazu. Omówionych zostało również siedem wybranych metod detekcji oraz dwie metody dopasowujące punkty kluczowe. W części projektowej przedstawione zostały konfiguracje sprzętowe oraz oprogramowanie wykorzystane podczas badań. Omówiona została funkcjonalność programu napisanego w języku C++ w środowisku programistycznym Qt umożliwiającym tworzenie aplikacji wieloplatformowych. Wykorzystanie biblioteki OpenCV w opracowanym programie komputerowym umożliwiło zastosowanie tej aplikacji do przedstawienia działania metod wykorzystywanych do detekcji oraz dopasowania punktów kluczowych w systemach obrazowania wizyjnego. Część projektowa zawiera zestawienie danych w formie wykresów i tabel przedstawiających liczbę wykrytych bądź dopasowanych punktów kluczowych na wybranych obrazach m.in. dla trzech rodzajów kamer wizyjnych, różnych kątów obrotu obrazu oraz warunków oświetlenia.

This work is devoted to detection and matching keypoints methods in visual imaging systems. The work has been divided into two parts: theoretical and design one. The first part contains: a computer platform Raspberry Pi, programming environment Qt and OpenCV library including functions which were applied in image processing. Besides, seven selected methods of detection have been introduced together with two methods of matching the keypoints. In design part of this work the description of hardware configurations and software, which were applied during the test, have been presented. Except above mentioned has been presented the functionality of developed in C++ language program for environment Qt, which has been used for creating cross-platform applications. The methods presented in this work have been applied in the developed software by using an OpenCV library. In the design part has been concluded summary of the data in the form of graphs and tables showing the number of detected or matched keypoints on the selected images including three types of cameras, different angles image rotation, and lighting conditions.