Bildeanalyse
N? skal vi som sagt se n?rmere p? orienteringen ved ? sammenligne med bilder vi tar. Mer spesifikt skal fors?ke ? lage en funksjon som vil finne hvilken vinkel \(\phi\) som bildet mest sannsynlig er sentrert om. La oss hoppe rett ut i det!
F?rst ?nsker vi ? ha en funksjon som finner ut forskjellen p? to bilder. For ? gj?re dette bruker vi en metode kalt least square method. Denne vil se p? differansen mellom tilsvarende piksler i de to bildene for s? ? opph?ye disse i andre. Til slutt vil man summere for alle pikslene, som gir et tall som representerer least square.
Videre har vi en ny funksjon som tar inn referansebildene (de 360 som vi lagde i forrige blogginnlegg) og et bilde vi tar. N? ?nsker vi ? finne ut hvilket bilde som ligner mest p? v?rt bilde. Vi begynner med ? sette minimum avstand til ? v?re uendelig. S? bruker vi funksjonen for least sqare for ? finne avstanden mellom, og hver gang avstanden er mindre enn minimumsavstanden vil disse settes lik hverandre. I tillegg vil indeksen til bildet som gir minimumsavstanden lagres. N?r vi g?r igjennom alle de \(360\) bildene vil vi ende opp med at minimumsavstanden vil tilh?re det bildet som ligger n?rmest. Til slutt vil da denne indeksen returneres, og vi kan finne ut hvilket bilde som er n?rmest. Dette kan gj?res for et vilk?rlig tidspunkt slik at man kan vite hvor man er n?r som helst.
I figur 1 kan du se et referansebilde til venstre og et annet bilde til h?yre. Her ser vi at det er ulikt antall punkter i de to bildene, og posisjonene er ulike. Da vil pikslene ha ulike verdier, og vi vil f? en h?y verdi for kvadratet av forskjellene.
N? som vi vet hvor raketten som peker kan vi se videre p? hvor den befinner seg og hvor fort den beveger seg. Det skal vi se n?rmere p? i neste blogginnlegg.