feature-extraction

Feacture Extraction

Algorithms

• 輸入／輸出

  輸入：要計算的image與給定的mask。 輸出：偵測到的keypoints與計算出的descriptors。

• 創建尺度金字塔

  將原始圖片進行不同尺度的縮放，以確保特徵點檢測的尺度不變性，也就是在不同尺度下的檢測結果相同。 我們採用8層尺度金字塔。

• 特徵點檢測

  採用 oriented FAST (oFAST) 的檢測方式，oFAST結合了FAST與Harris兩種算法。

  1. FAST算法檢測特徵點的方式為當一像素其周圍圓上有連續n個像素的灰度值大於或小於給定的臨界值，此像素即為特徵點。oFAST採用半徑為8的圓、連續9個像素，且臨界值為20。
  2. Harris算法為偵測圖像中的角點，角點是兩條邊緣的交點，因此檢測小圖像片段中灰度值的變化程度，即可判斷特徵點。
  3. 最後將每個特徵點加入角度，以確保特徵點的旋轉不變性，也就是在不同方向下的檢測結果相同。角度的計算為灰度質質心位置到中央與x軸所產生的夾角。

• 計算描述子(Descriptor)

  1. 將圖片做高斯模糊，使得每一鄰近像素之間的落差不會太大，以確保描述子計算的正確性。
  2. 以特徵點為中心，在31*31的圓內選取256對點做比較，每一對點會得到1與0的結果，此256個bit即為描述子。

C++ code

使用到 OpenCV 函式庫，由 OpenCV 函式庫中整理出特徵點檢測演算法的程式碼。

• c-src

Pure C/C++ code

沒有使用到 OpenCV 函式庫，由 OpenCV 函式庫中整理出特徵點檢測演算法的程式碼，並不再使用到 OpenCV 函式庫即可在CPU中運算。

• c-src_self-contain

HLS code

能夠合成，但是無優化。

• src_hardware

HLS code optimized

能夠合成，且過初步優化。

• src_optimized

Development log

記錄開發過程遇到的問題及最後的解決辦法。

• ppt

makefile and .xclbin file

透過makefile運行feature-extraction，以及燒錄出來的bitstream。

• program
• xclbin