EVALUACIÓN DE LA PERSISTENCIA DE PUNTOS DE INTERÉS DADOS POR SIFT, SURF, ORB Y GFTT BAJO MOVIMIENTO EN SUPERFICIES PLANARES (ASSESSMENT OF THE PERSISTENCE OF POINTS OF INTEREST GIVEN BY SIFT, SURF, ORB AND GFTT UNDER MOVEMENTS ON PLANAR SURFACES)
Pistas Educativas
Resumen
Resumen En el área de la visión computacional y procesamiento de imágenes uno de los temas de mayor interés en la comunidad es la interpretación de escenas a partir de la extracción de puntos de interés. Existen muchos métodos y variantes para la extracción de estos puntos. Aquí los métodos SIFT (por sus siglas en inglés, Scale-Invariant Feature Transform, Transformación de características invariables a escala), el método SURF (Speeded-Up Robust Features, Características robustas aceleradas), el método ORB (Oriented FAST and Rotated BRIEF, BREVE Orientación rápida y brevemente rotada) y GFTT (Good Features To Track, Buenas características para rastrear) de extracción de puntos de interés serán estudiados. Dadas las diferencias entre los descriptores propios de cada método, se creó un descriptor compatible para los cuatro métodos. Permitiendo así, el realizar una comparativa del rastreo de los puntos de interés bajo las mismas condiciones. Además de conocer el desempeño de la persistencia por cada método. Esto, con el objetivo de identificar cuáles son los métodos que conservan la mayor cantidad de puntos de interés ante el video de los movimientos de un dispositivo móvil autónomo bajo movimientos en el plano cartesiano. Palabras Clave: Descriptores locales, Persistencia, Puntos de interés. Abstract In the area of computational vision and image processing one of the topics of the greatest interest in the community is the interpretation of motion scenes base on the extraction of points of interest. There are many methods and variants to extract these points. Here are the SIFT methods (Scale-Invariant Feature Transform), the SURF method (Speeded-Up Robust Features), the ORB method (Oriented FAST and Rotated BRIEF), BRIEF ORIENTED FAST and ROTATED) and GFTT (Good Features To Track) the extraction methods of Points of Interest (POI) will be studied. Given the differences between the descriptors of each method, a compatible descriptor was created for all four methods. So, the tracking comparison of POIs under the same conditions. Aiming know the persistence performance by each method. This, in order to identify the methods that retain the most points by using the video of movements of a mobile self employed device in the cartesian plane. Keywords: Local descriptors, Persistence, Tracking, Points of interest.
Datos de publicación
Cita esta publicación
Comprueba el estilo que requiere tu institución o revista.
Fuentes y trazabilidad
Se conserva la procedencia de los datos y se da prioridad a la revista cuando existe información editorial.
Licencias declaradas por las fuentes
Licencia en el registro de origen