OpenCV - FLANN算法没有获得足够的匹配点答案

【问题标题】：OpenCV - FLANN algorithm does't obtain enough matching pointOpenCV - FLANN算法没有获得足够的匹配点
【发布时间】：2013-04-16 16:44:51
【问题描述】：

我是计算机视觉的新手。我正在使用 Open CV 提出的这种算法http://docs.opencv.org/doc/tutorials/features2d/feature_flann_matcher/feature_flann_matcher.html，以便在对拍摄图像的相机进行旋转平移后计算同一环境的 2 个场景（城市的鸟瞰图）之间的一些匹配点。相机和环境都是模拟的（所以没有亮度变化，没有失真等）显然，帧速率足够高以使图像大部分重叠。之后，我必须使用这一点来计算描述相机所做运动的仿射变换矩阵（拍摄图像的高度不会随时间变化）。所以我需要，对于每几张图像，至少有 2 个匹配点.. 我的问题是匹配点通常小于 3.. 是否存在一些对我的目的更有效的稳健方法？谢谢

【问题讨论】：

您使用的是您链接的代码吗？它应该是健壮的（至少它应该在你描述的情况下工作）。
是的，完全一样。它是健壮的，从某种意义上说，匹配总是精确的，但奇怪的是，即使图像进行了非常小的移动并且仅改变了几个像素（比方说不超过十个），匹配也很少！跨度>
过滤前有多少匹配项（注释//-- Draw only "good" matches）？
相机没有移动：大约312；小动作：大约 290。问题是，如果我增加最小距离，它会发现错误的匹配
这意味着你有大约 300 个你匹配的特征点，最后除了三个都被过滤掉了，对吧？如果你画出所有的匹配（不过滤任何东西），你有好的匹配吗？比例是多少？

标签： c++ opencv surf

【解决方案1】：

我相信您给出的示例中实现的过滤非常幼稚。假设你得到一个得分非常高的匹配项（w.r.t 描述符之间的距离），那么 min_dist 非常小，可能会过滤掉好的匹配项。换句话说，得分最高的匹配不一定是几何上最好的（两个特征可能看起来非常相似，但不是真实世界的对应）......

你可以尝试做的是：

删除过滤实现；保留所有匹配项
使用findHomography() 计算单应矩阵
- findHomography() 允许您使用 mask 来跟踪内点
仅绘制在mask 中标记为inliers 的匹配项

这应该是一个更好的验证。

【讨论】：