匹配 ORB 描述符，找不到好的匹配项

Question

我正在尝试使用 ORB 匹配两个图像，使用蛮力匹配器导致随机匹配，应用 Low 的比率条件找不到任何正确的匹配！

我怀疑问题出在if m.distance < 0.7:我读到m.distance是从bf匹配器返回的两个discriptor之间的距离，但是值太大并且不符合条件，那么我该如何去除异常值呢？

我尝试过的：

• 按距离排序列表matches = sorted(matches, key = lambda x:x.distance)
• 使用 SIFT，效果很好！

排序对找到好的匹配没有帮助，而且SIFT是专利的，我想要ORB。

我的代码：

# finding feature points on products
image = productName + ".jpg"
path = "./images/products/"+image
img1 = cv2.imread(path,cv2.IMREAD_GRAYSCALE) 
orb = cv2.ORB_create()
kps1, des1 = orb.detectAndCompute(img1, None)
result=cv2.drawKeypoints(img1,kps1, img1,flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS )
plt.figure(num=None, figsize=(20, 12), dpi=80, facecolor='w', edgecolor='k')
plt.imshow(result)

# finding feature points on shelves
image = shelfName+'_raf.jpg'
path = "./images/shelves/"+image
img2 = cv2.imread(path,cv2.IMREAD_GRAYSCALE) 
orb = cv2.ORB_create()
kps2, des2 = orb.detectAndCompute(img2, None)
result=cv2.drawKeypoints(img2,kps2, img2,flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
plt.figure(num=None, figsize=(20, 12), dpi=80, facecolor='w', edgecolor='k')
plt.imshow(result)

bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=False)
matches = bf.match(des1, des2)

# store all the good matches as per Lowe's ratio test.
good = []
for m in matches:
    if m.distance < 0.7:
        good.append(m)
        
match_img = cv2.drawMatches(img1, kps1, img2, kps2, good, None, flags=2)

plt.figure(num=None, figsize=(20, 12), dpi=80, facecolor='w', edgecolor='k')
plt.imshow(match_img, 'gray')

如果我删除 Low 的条件，我会得到：

Answer 1

代码尝试使用劳氏比率测试（参见原始 SIFT 论文）。

对于每个描述符，这需要 两个 最接近的匹配项。

代码应为：

matches = bf.knnMatch(desCam, desTrain, k=2) # knnMatch is crucial
good = []
for (m1, m2) in matches: # for every descriptor, take closest two matches
    if m1.distance < 0.7 * m2.distance: # best match has to be this much closer than second best
        good.append(m1)

此外，我强烈推荐 flann matcher。它比蛮力匹配器更快。

查看 OpenCV tutorials 或 OpenCV 源代码 (samples/python/find_obj.py) 中的示例目录以获取有效的代码。