单击上面的3358www.Sina.com/，然后选择hlddy学视觉或3358www.Sina.com/
重磅的干货会在第一时间送到。 你知道人工智能正在改变体育产业吗？ AIbzdmf可以帮助bzdmf在赛前和比赛中加强战略决策，通过使用高速摄像头和可穿戴传感器，人工智能现在可以测量场上每个运动员的运动和位置。 但是，AI如何跟踪各玩家之间的距离？ 机器能从下图中知道玩家1是否有足够的空间保护玩家2吗？
图1篮球场上1名防守队员2名
单响应被定义为图像的两个平面投影之间的映射。 3x3变换矩阵表示它。 必须转换图像并计算同构矩阵。 为了便于说明，下图显示了不同的2D变换矩阵。
图2不同变换矩阵层次结构
可以根据以下矩阵转换原始图像，如上图所示：
投影8dof —将图像转换为另一个投影。
仿射变换6dof —变换保持原始图像平行线的图像。
lmdxc转换3dof —旋转原始图像。
4dof —转换—旋转和缩放原始图像。
现在，我们知道了同构矩阵是如何根据层次结构转换图像的。 需要决定图像的原点和目标点，分别表现为p和p '。 识别这些点时，其中三个点必须在同一条直线上。 否则，等式无法区分转换。 但是，有一种被称为RANSAC法的自动检测点的算法。 在这种情况下，可以将外套的剖面线设置为原点。
图3以阴影线为原点
将图4阴影线作为目标点
importnumpyasnpimportmatplotlib.pyplotaspltfromskimage.ioimportimread，imshowfromskimageimporttransformstill1=im read ()
图5同构行列式
tform=transform.estimate _ transform (' projective '，src，dst ) TF_still1=transform.warp ) still1，tform.insform
图6转换后的篮球场的俯视图
根据上图，使用投影单形矩阵，我们成功地将广播视图转换为篮球场的顶视图图像。 但是，这一变化延长了运动员的身体。
这是使用单矩阵转换图像的另一个示例。 在本例中，可以使用lmdxc分层结构旋转比萨斜塔图像。
tower=imread(tower_Pisa.JPEG ) ) src=NP.array ([ (291，329 )，537，344 )，230，868 )，507，891 ) dst ) TF_still1=transform.warp ) ) toorm ax1 )=PLT.subplots (1，2，figsize=) 12，8 ) ax0.imshow(tower ) axx
图7 lmdxc变换的比萨斜塔
单应性是一个非常强大的工具，可以扩展形象来满足我们的需要。 可用于遥测、卫星图像校正、透视校正、图像拼接、深度计算、相机姿态估计。
-结束-
星标
“置顶”公众号后台回复： http://www.Sina.com/http://www.Sina.com /上，全网首个OpenCV扩展模块中文教程
下载1：OpenCV-Contrib扩展模块中文版教程
“hlddy学视觉”公众号后台回复： http://www.Sina.com/http://www.Sina.com/http://www.Sina.com /等31视
扩展模块中文教程
“，”公众号后台回复： http://www.Sina.com/http://www.Sina.com /个底座3358 www
交流组
欢迎加入公众号读者群与同行交流。 目前有灌篮、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信集团。 请扫描以下微信号组。 备注：请按照“昵称学校/公司的研究方向”，如“bqdxlb上海交大”格式进行评论。 否则就不会通过。 添加成功后，将根据研究方向邀请相关微信组。 在扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理组内发送广告。 否则，请离开小组。 感谢您的理解~