标记点的识别与定位
从红外相机的图像中，识别和提取出2D点是动捕系统的第一步。在动捕的红外影像中，Marker点以斑点的形式出现。 这里介绍两种斑点检测的方法，两种方法在OpenCV中都提供了接口。
有两种方式从图像中提取斑点：
- 高斯拉普拉斯算子：斑点中与LOG算子大小相近的会在输出图像中有强响应
- 图像分割算法：OpenCV提供SimpleBlobDetector，其中提供了基于边缘轮廓的分割
不应当使用 OpenCV 中提供的 GoodFeaturesToTrack 接口。因为该接口是 角点检测 算法接口。
角点是菱角分明的边缘（Edge）， 斑点是与周围存在色差的区域（Area）：
上图左边是角点，右边是斑点。角点检测会在Marker的边缘响应，不能对Marker整体进行检测。我们需要检测的是整个斑点，圆形斑点越大，越有利于子像素级定位。
标记点
光学动捕中常使用的Marker点是这样的：
贴在人体上是这样的：
用红外相机拍下来的2D图像是这样的：
高斯拉普拉斯算子
高斯拉普拉斯算子（Laplacian of Gaussian，LOG）是一种常见的圆形对称算子，用于检测图像中的圆形斑点。
对图像用高斯拉普拉斯算子滤波后，原始图像中，一定大小的圆形斑点会有最大响应。当半径是标准差的根号2倍时，响应值最大：
拉普拉斯的计算稍微有一点复杂，可以用高斯差分算子（Difference of Gaussians，DOG）代替：
基于边缘轮廓的分割
SimpleBlobDetector的算法流程:
- 取若干阈值对输入图像进行二值化，得到若干二值图像；
- 对每一张二值图像查找边缘，计算每一个轮廓的中心；
- 上一步中所有二值图得到的轮廓中心进行融合，如果距离小于阈值，就被视为一个组合；
- 计算上一步中所有组合的中心和相应半径，并将每一个组合作为一个输出的blob。
基于CUDA的改进
OpenCV的GpuMat模块（createLinearFilter）可以调用GPU执行线性滤波器，但效率不高，且没有查找局部极值的函数。