OpenCV CUDA 模块特征检测与描述------在GPU上执行特征描述符匹配的类cv::cuda::DescriptorMatcher

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

cv::cuda::DescriptorMatcher 是 OpenCV 的 CUDA 模块中用于在 GPU 上执行特征描述符匹配的类。它允许你利用 NVIDIA GPU 的并行计算能力来加速特征匹配过程,这对于需要实时处理或处理大规模数据集的应用来说非常有用。

主要功能

  • 特征描述符匹配:可以在 GPU 上高效地匹配两组特征描述符(如 SIFT、SURF 等)。
  • 多种匹配策略:支持 K-最近邻匹配(KNN)、基于半径的匹配等。
  • 跨平台兼容性:能够在任何支持 CUDA 的平台上运行。

类概述

以下是 cv::cuda::DescriptorMatcher 的一些关键成员函数和说明:

构造函数

DescriptorMatcher(const Ptr& matcher):创建一个 DescriptorMatcher 对象,通常使用其派生类(例如 BruteForceMatcher 或 FlannBasedMatcher)进行实例化。

匹配方法

  • void match(Ptr& queryDescriptors, std::vector& matches, const GpuMat& trainDescriptors = GpuMat()):在两组描述符之间找到最佳匹配项。
  • void knnMatch(Ptr& queryDescriptors, std::vector<std::vector>& matches, int k, const GpuMat& trainDescriptors = GpuMat(), bool compactResult = false):为每一条查询描述符找到其前 k 个最佳匹配。
  • void radiusMatch(Ptr& queryDescriptors, std::vector<std::vector>& matches, float maxDistance, const GpuMat& trainDescriptors = GpuMat(), bool compactResult = false):找到所有距离小于指定最大值的匹配。

添加训练描述符

  • void add(const std::vector& descriptors):添加一组训练描述符。
  • void clear():清除所有的训练描述符。

获取训练描述符

  • std::vector getTrainDescriptors() const:返回当前所有的训练描述符。
  • bool isMaskSupported() const:检查是否支持掩码。

示例代码

下面是一个简单的示例,演示如何使用 cv::cuda::DescriptorMatcher 进行特征匹配:

cpp 复制代码
#include <opencv2/cudafeatures2d.hpp>
#include <opencv2/cudaimgproc.hpp>
#include <opencv2/opencv.hpp>

int main()
{
    // 加载图像
    cv::Mat img1 = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/left.jpg", cv::IMREAD_GRAYSCALE );
    cv::Mat img2 = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/right.jpg", cv::IMREAD_GRAYSCALE );

    if ( img1.empty() || img2.empty() )
    {
        std::cerr << "无法加载图像" << std::endl;
        return -1;
    }

    // 转换到 GPU 内存
    cv::cuda::GpuMat d_img1( img1 ), d_img2( img2 );

    // 创建 CUDA ORB 检测器
    cv::Ptr< cv::cuda::ORB > orb = cv::cuda::ORB::create();

    // 存储结果:关键点是 CPU 上的 vector,描述符是 GPU 上的 GpuMat
    std::vector< cv::KeyPoint > keypoints1, keypoints2;
    cv::cuda::GpuMat descriptors1, descriptors2;

    // 提取关键点和描述符
    orb->detectAndCompute( d_img1, cv::cuda::GpuMat(), keypoints1, descriptors1 );
    orb->detectAndCompute( d_img2, cv::cuda::GpuMat(), keypoints2, descriptors2 );

    // 创建匹配器
    cv::Ptr< cv::cuda::DescriptorMatcher > matcher = cv::cuda::DescriptorMatcher::createBFMatcher( cv::NORM_HAMMING );

    // 匹配描述符
    std::vector< cv::DMatch > matches;
    matcher->match( descriptors1, descriptors2, matches );

    // 将 GPU 描述符下载回 CPU(如果需要可视化)
    cv::Mat descriptors1_cpu, descriptors2_cpu;
    descriptors1.download( descriptors1_cpu );
    descriptors2.download( descriptors2_cpu );

    // 绘制匹配结果
    cv::Mat img_matches;
    cv::drawMatches( img1, keypoints1, img2, keypoints2, matches, img_matches );

    cv::imshow( "Matches", img_matches );
    cv::waitKey( 0 );

    return 0;
}

运行结果

相关推荐
Ronin-Lotus7 分钟前
深度学习篇---SENet网络结构
人工智能·深度学习
n123523534 分钟前
AI IDE+AI 辅助编程,真能让程序员 “告别 996” 吗?
ide·人工智能
漠缠37 分钟前
Android AI客户端开发(语音与大模型部署)面试题大全
android·人工智能
连合机器人1 小时前
当有鹿机器人读懂城市呼吸的韵律——具身智能如何重构户外清洁生态
人工智能·ai·设备租赁·连合直租·智能清洁专家·有鹿巡扫机器人
良策金宝AI1 小时前
当电力设计遇上AI:良策金宝AI如何重构行业效率边界?
人工智能·光伏·电力工程
数科星球1 小时前
AI重构出海营销:HeadAI如何用“滴滴模式”破解红人营销效率困局?
大数据·人工智能
THMAIL1 小时前
机器学习从入门到精通 - 机器学习调参终极手册:网格搜索、贝叶斯优化实战
人工智能·python·算法·机器学习·支持向量机·数据挖掘·逻辑回归
摆烂工程师2 小时前
Anthropic 停止 Claude 提供给多数股权由中国资本持有的集团或其子公司使用,会给国内的AI生态带来什么影响?
人工智能·程序员·claude
ai绘画-安安妮2 小时前
Agentic AI 架构全解析:到底什么是Agentic AI?它是如何工作的
人工智能·ai·语言模型·自然语言处理·程序员·大模型·转行
洞见AI新未来3 小时前
Stable Diffusion XL 1.0实战:AI绘画从“能看”到“好看”的全面升级指南
人工智能