此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 函数
  • bilinear
  • compute_xfeat_matches
  • compute_xfeat_result
  • detect_and_compute
  • local_maximum_filter
  • match
  • normgrid
Claude CodeCodexCursor
Luxonis 智能体工具包为你常用的编程智能体加载 Luxonis 上下文与技能,更快地基于 OAK 开发应用。
安装工具包
最后更新
Python API: depthai_nodes.node.parsers.utils.xfeat

函数

bilinear

Python
1def bilinear(im, pos, H, W):
给定输入和流场网格,使用输入值和网格中的像素位置计算输出。仅支持双线性插值方法来采样输入像素。参数
  • im (np.ndarray): 输入特征图,形状 (N, C, H, W)
  • pos (np.ndarray): 点坐标,形状 (N, Hg, Wg, 2)
  • H (int): 输出特征图的高度
  • W (int): 输出特征图的宽度
返回
  • np.ndarray: 采样点的张量,形状 (N, C, Hg, Wg)

compute_xfeat_matches

Python
1def compute_xfeat_matches(result1: dict[str, Any], result2: dict[str, Any], min_cossim: float = -1) -> tuple[np.ndarray, np.ndarray]:
通过相互最近邻相似度匹配 XFeat 描述符。参数
  • result1 (dict[str, Any]): 包含 keypoints 和 descriptors 的参考结果。
  • result2 (dict[str, Any]): 包含 keypoints 和 descriptors 的目标结果。
  • min_cossim (float): 最小描述符余弦相似度;非正值禁用此阈值。
返回
  • tuple[np.ndarray, np.ndarray]: 形状为 (N, 2) 的参考和目标关键点数组,按对应顺序排列。

compute_xfeat_result

Python
1def compute_xfeat_result(feats: np.ndarray, keypoints: np.ndarray, heatmaps: np.ndarray, *, resize_rate_w: float, resize_rate_h: float, input_size: tuple[int, int], max_keypoints: int) -> list[dict[str, Any]] | None:
计算排名的 XFeat 关键点和描述符。参数
  • feats (np.ndarray): 批处理的密集特征描述符张量。
  • keypoints (np.ndarray): 模型关键点张量。
  • heatmaps (np.ndarray): 模型热图张量。
  • resize_rate_w (float): 将模型坐标映射到源图像的水平比例因子。
  • resize_rate_h (float): 将模型坐标映射到源图像的垂直比例因子。
  • input_size (tuple[int, int]): 模型输入大小,格式为 (width, height)。
  • max_keypoints (int): 每张图像保留的最高得分关键点的最大数量。
返回
  • list[dict[str, Any]] | None: 每个批处理项一个结果字典,包含 keypoints、scores 和 descriptors。如果未找到候选关键点,则返回 None。

detect_and_compute

Python
1def detect_and_compute(feats: np.ndarray, kpts: np.ndarray, heatmaps: np.ndarray, resize_rate_w: float, resize_rate_h: float, input_size: tuple[int, int], top_k: int = 4096) -> list[dict[str, Any]]:
检测并计算关键点。参数
  • feats (np.ndarray): 特征。
  • kpts (np.ndarray): 关键点。
  • heatmaps (np.ndarray): 热图。
  • resize_rate_w (float): 宽度的调整大小比例。
  • resize_rate_h (float): 高度的调整大小比例。
  • input_size (tuple[int, int]): 输入大小。
  • top_k (int): 要保留的关键点的最大数量。
返回
  • list[dict[str, Any]]: 包含关键点、分数和描述符的字典列表。

local_maximum_filter

Python
1def local_maximum_filter(x: np.ndarray, kernel_size: int) -> np.ndarray:
对输入数组应用局部最大值滤波器。参数
  • x (np.ndarray): 输入数组。
  • kernel_size (int): 局部最大值滤波器的大小。
返回
  • np.ndarray: 应用局部最大值滤波器后的输出数组。

match

Python
1def match(result1: dict[str, Any], result2: dict[str, Any], min_cossim: float = -1) -> tuple[np.ndarray, np.ndarray]:
匹配关键点。参数
  • result1 (dict[str, Any]): 结果 1。
  • result2 (dict[str, Any]): 结果 2。
  • min_cossim (float): 最小余弦相似度。
返回
  • tuple[np.ndarray, np.ndarray]: 匹配的关键点。

normgrid

Python
1def normgrid(x, H, W):
将坐标归一化到 [-1,1]。参数
  • x (np.ndarray): 输入坐标,形状 (N, Hg, Wg, 2)
  • H (int): 输出特征图的高度
  • W (int): 输出特征图的宽度
返回
  • np.ndarray: 归一化坐标,形状 (N, Hg, Wg, 2)