Il existe des conseils d'application générale et des conseils spécifiques à l'application.
L'article de Shi et Tomasi, Good features to track, explique les critères de choix des modèles: localisation bidimensionnelle ou «cornerness».
Pour le dire simplement, supposons que vous essayez de trouver un objet à la position (x,y)
, mais à la place, l'objet apparaît dans l'image à (x + dx, y + dy)
. Ce n'est pas très utile si notre système de vision peut seulement nous dire que "non, la position est fausse". Au lieu de cela, nous nous attendons à ce que le système de vision puisse estimer les montants dx
et à dy
condition qu'il ne soit pas trop éloigné.
Un point pointu (point) est le plus reculé, mais il est également facilement enfoui dans un bruit de pixel aléatoire. En poursuivant avec les mathématiques, nous apprenons qu'il existe d'autres modèles qui sont tout aussi compliqués qu'un point pointu. (Imaginez qu'un «bord» 1D soit un delta 1D transformé par intégration.)
Certaines applications nécessiteraient une localisation dans des dimensions inférieures ou supérieures.
Ajouté le 25/08
Deux motifs en forme de ligne peuvent également être «intersectés» pour produire un point pendant l'étalonnage, à condition que la distorsion de l'objectif ne soit pas significative ou ait été paramétrée.
Dans les applications d'effacement, un point pointu est souvent utilisé pour récupérer la fonction d'étalement du point (psf). Cependant, en théorie, tout objet de forme arbitraire pourrait être utilisé, à condition que la vérité sur le terrain soit disponible pour le logiciel d'étalonnage.
Dans certaines applications, nous rendrions délibérément le motif flou. La profondeur de défocalisation utilise le flou pour raisonner sur la position du plan focal par rapport à l'objet, ce qui donne une estimation de la profondeur de l'objet.