我想做一个识别螺丝的应用程序。 每个螺丝的尺寸和形状都有一个标准，并且有软件可以提供每个螺丝的 360 3d 模型（例如 Autocad）
我想知道是否有任何方法可以采用现有模型（某些扩展）并从中创建Haar classifier。
如果不清楚，我不想为每个模型拍摄数千张照片。我想以某种方式重用现有模型
谢谢
【问题讨论】：
标签： java android c++ opencv object-detection
Haar 分类器对 2D 图像进行操作，用于训练和识别。它需要一组归一化的正二维图像（带螺丝）和一组归一化的负二维图像（不带螺丝）来训练分类器。因此，如果这是您的问题，则无法直接使用 3D 模型对其进行训练。当然，您可以使用 3D 模型渲染 2D 图像，但我理解您在问题末尾的评论，这不是您想要做的。
此外，根据您的实际任务，Haar 分类器不太可能成为首选方法。一些重要的问题是：你能分割图像中的螺丝吗？图像中可以有几个螺丝吗？它是分类任务还是您知道图像中存在哪种螺钉类型？您需要本地化还是仅与识别有关？您的螺丝可能的姿势是否受到限制（或者由于分割可以预先归一化）？
请注意，Haar 分类器旨在“学习”具有相似姿势的类的不同实例的外观变化（例如不同人或多或少直立的脸，即人脸检测），而不是用于处理完全不同的姿势同一个物体，甚至不是 2D，更不用说 3D。所以它可能只适用于非常有限的场景。
更新： 一些提示可以引导您走向正确的方向：
如果你可以分割螺丝并想尝试一种简单的方法，尝试将其视为 2D 问题（假设螺丝不直立）并根据图像矩进行归一化。
如果您可以分割螺丝并希望将其视为 2D/3D 问题（将 3D 模型投影到 2D 图像），您可以查看我的（现在旧的）research 以高效外观-基于 3D 模型生成的视图的匹配。
如果您无法分割螺钉并且您知道图像中存在哪种类型的螺钉，您可以从工业机器视觉库中查看所谓的几何图案匹配，例如来自 Halcon 的基于形状的匹配。它还提供基于 CAD 类数据的培训。
如果您无法分割螺钉并且您不知道图像中存在哪种类型的螺钉，您可以训练深度卷积神经网络进行分类任务，然后使用 3. 进行验证和定位。
【讨论】：
简而言之：我认为这是不可能的，除非您能够根据各种光照条件真实地渲染您的 3D 模型。
Haar 和 LBP 分类器确实使用某种纹理信息，因此纯形状信息是不够的，afaik。 （因此，HoG 可能会或可能不会更适合这种方法，而不是 HAAR）
对于 haar 分类器训练，您可以使用不同的材质和光照条件以及各种姿势来渲染您的 3D 模型。但是，您需要背景图像作为负样本和渲染螺丝的背景（但之后您也可以使用 opencv_createsamples 工具将螺丝合并到背景）。
因此，根据您渲染螺丝的真实性或适当程度，您可以将它们用于您的训练。请记住，实际上，相同类型的两个螺钉看起来并不完全相同，长度可能会略有不同（取决于生产质量），并且可能存在变形或“噪音”，例如可能存在的毛刺完美的模型，也许您必须在渲染中考虑到这一点。
此外，请记住，如果 haar 和 lbp 级联分类器仅从单个姿势（如正面或侧面，而不是同时）覆盖一个类别，则它们的效果最好，这减少了使用单 3D 模型。
有时，3D 模型可以与倒角匹配结合使用，以将它们与 2D 模型进行比较。
【讨论】：