在 OpenCV 特征匹配的不同实现中使用统一距离测量？答案

【问题标题】：Unified distance measure to use in different implementations of OpenCV feature matching?在 OpenCV 特征匹配的不同实现中使用统一距离测量？
【发布时间】：2012-04-12 04:36:27
【问题描述】：

我正在尝试在 OpenCV 中进行一些关键特征匹配，目前我一直在使用 cv::DescriptorMatcher::match，并且正如预期的那样，我得到了很多错误匹配。

在我开始为提取的匹配编写自己的过滤器和修剪程序之前，我想尝试cv::DescriptorMatcher::radiusMatch 函数，它应该只返回比给定float maxDistance 更接近彼此的匹配。

我想为可用的 OpenCV 匹配算法编写一个包装器，以便我可以通过一个接口使用它们，该接口允许额外的功能以及额外的外部（我的）匹配实现。

由于在我的代码中，只有一个具体的类充当 OpenCV 特征匹配的包装器（类似于cv::DescriptorMatcher，它采用特定匹配算法的名称并通过工厂方法在内部构造它/em>），我还想编写一种通用方法来实现使用cv::DescriptorMatcher::radiusMatch匹配的通用方法，该方法适用于所有不同的匹配器和功能选择（我有一个类似的包装器允许我更改在不同的 OpenCV 特征检测器之间，也实现了一些我自己的）。

不幸的是，在查看了 OpenCV 文档和cv::DescriptorMatcher 界面后，我找不到任何关于用于计算匹配之间实际距离的距离度量的信息。我找到了一个很好的匹配示例here 使用 Surf 特征和描述符，但我没有设法理解参数的特定值的实际含义。

由于我想比较使用不同特征/描述符组合时得到的结果，所以我想知道使用了哪种距离度量（以及是否可以轻松更改），以便我可以使用我尝试了所有组合都有意义的东西。

有什么想法/建议吗？

更新

我刚刚打印出了在使用 cv::DescriptorMatcher::match 和各种特征/描述符组合时得到的特征距离，我得到的是：

MSER/SIFT 数量级：100
SURF/SURF 数量级：0.1
SURF/SIFT 数量级：50
MSER/SURF 数量级：0.2

由此我可以得出结论，无论对特征应用哪种距离度量，它都绝对没有标准化。由于我使用 OpenCV 和我自己的接口来处理不同的特征提取、描述符计算和匹配方法，我想为::radiusMatch 提供一些参数，我可以将其用于所有（大多数）不同的组合。（我尝试使用 BruteForce 和 FlannBased 匹配器进行匹配，虽然匹配略有不同，但对于每个组合，匹配之间的距离都在同一数量级上。

一些上下文：

我正在对从安装在（慢速）移动车辆顶部的摄像头获取的两张照片进行测试。这些图像应该相隔大约 5 帧（1 米的车辆运动），因此大部分特征应该是可见的，并且没有太大差异（尤其是在两张图像中远离相机的那些）。

【问题讨论】：

标签： opencv distance matching

【解决方案1】：

距离的大小确实取决于所使用的特征类型。这是因为一些专门的特征描述符还带有专门的特征匹配器，可以优化使用描述符。如果您想获得不同特征类型的匹配距离的权重，最好的办法可能是制作一个包含十几个或更多 1:1 匹配的训练集，在其上释放每个特征检测器/匹配器，并对距离进行归一化，以便每个检测器在所有匹配中的平均距离为 1。然后，您可以在其他数据集上使用获得的权重。

【讨论】：

【解决方案2】：

你应该看看opencv库中features2d.hpp中的以下函数。

template<class Distance> void BruteForceMatcher<Distance>::commonRadiusMatchImpl()

通常我们使用L2 距离来测量匹配之间的距离。这取决于您使用的描述符。例如，Hamming distance 对于 Brief 描述符很有用，因为它会计算两个字符串之间的位差。

【讨论】：