采集器的自动识别算法，你问的三个问题

　　采集器的自动识别算法，你问的三个问题

　　采集器的自动识别算法我觉得大体分两类：1.扫描；2.识别；扫描的话，最重要的是扫描模式的区别；现在的扫描识别器，都采用定格扫描，那么为了识别模式的一致性，就需要采用统一的算法。另外，这种实时性要求高的识别，还需要图像拼接之类的处理才行，加速率比定格快太多了。识别的话，主要是基于二值检测。过于复杂的二值化检测算法都会浪费时间，所以目前识别的算法主要集中在定格上。

　　常见的算法有：像素融合，特征定位，边缘检测，梯度值检测等。定格检测一般需要多张图片的融合。定格是基于轮廓估计方法，识别则是基于特征比对。这些特征包括轮廓的高宽、颜色信息、基线检测等，定格检测是基于三角测量。建议自行google之，都会有文章列表。一般而言，是不会说“这个什么检测算法”，而是说具体应用中需要用到什么算法。

　　至少应该是sift和triangular的组合

　　包含不一定是全部，非包含才是真的，里面本身就涵盖了很多算法，

　　你问的三个问题，内容还是不一样。首先rgb-d算法，被明确定义为“一种将三色三角形的形状识别（half-of-the-red-triangularcorrespondence）与光度分布（seeddistribution）相结合的算法”，其中rgb-d三角形分别对应红绿蓝，而这三种颜色的两两匹配得到三角形集合，再以此为基础计算红绿蓝边缘匹配度。

　　之所以说红绿蓝边缘匹配度是两两匹配，实际是因为高斯分布中有中心周围法向量的概念，即上下边缘匹配，中心位置周围的边缘匹配。大致如此，具体方法具体分析。定位问题，是利用提取出图像特征值来定位，原理很简单，通过三个简单的角度变换即可获得。边缘检测，说白了就是两两匹配到一个边缘，计算边缘间距。这个标定肯定是光滑（理想情况）的，并且不准，当然只是大致，没有一个特定的值。然后再光滑一个特征就可以了。如果准确率达不到要求，还是别用这么难。