Аналіз ефективності використання детекторів Харріса та Канаде-Лукас-Томасі для задач візуальної навігації

The article examines methods of images analysis based on computer vision. We made a comparison between the detectors of feature points determined by Harris and Kanade–Lucas–Tomasi (KLT) methods. Found points are represented by Speed-Up Robust Feature (SURF) descriptor and then used to determine homography matrix. Analyses of accuracy of visual navigation is done by estimation of a camera rotation angle via factorization of homography matrix obtained from two detector methods. Errors of visual navigation follow the normal distribution for the given sample.Исследованы методы анализа изображений на основе компьютерного зрения. Проведена оценка эффективности детекторов характерных точек, определенных методами Харриса и Канаде-Лукас-Томасе (КЛТ). Обнаруженные точки представлены дескриптором ускоренного выделения робастные характерных признаков, которые используются в дальнейшем для определения матрицы гомографии. Анализ точности визуальной навигации проведен путем оценки угла поворота камеры с помощью факторизации матрицы гомографии, полученной из двух детекторов. Погрешности визуальной навигации соответствуют нормальному распределению для данной выборки.Досліджено методи аналізу зображень на основі комп'ютерного зору. Проведено оцінювання ефективності детекторів характерних точок, визначених методами Харріса і Канаде-Лукас-Томасі (КЛТ). Виявлені точки представлені дескриптором прискореного виділення робастних характерних ознак, які використовуються у подальшому для визначення матриці гомографії. Аналіз точності візуальної навігації проведений шляхом оцінювання кута повороту камери за допомогою факторизації матриці гомографії, отриманої з двох детекторів. Похибки візуальної навігації відповідають нормальному розподілу для цієї виборки