Flann特征点匹配简述（Lowe's algorithm）

/***好记性不如烂笔头，记下来便于以后复习***/

特征匹配的结果会得到两个特征集合的对应关系列表。第一组特征集被称为训练集（train），第二组被称为查询集（query）。Flann 在调用匹配函数之前，为了提高匹配速度，训练一个匹配器。训练阶段是为了优化cv::FlannBasedMatcher的性能。train类将会建立特征集的索引树。将 query image 的每一个特征点和 train 匹配器进行匹配，找出最佳匹配；也就是从query image 的特征中逐个去和训练器做匹配，也就是说每一个query image 特征点都会有一个最佳匹配，后期还需要验证这匹配的正确性，可以通过设置截断值来去除误差大的匹配；

去除了误差大的匹配即可以使用 Lowe's策略进行匹配的再一次筛选；

knnMatch（）找每个query image特征的K近邻匹配，效率不够高，帧率很低。

Lowe’s算法：为了进一步筛选匹配点，来获取优秀的匹配点，这就是所谓的“去粗取精”。一般会采用Lowe’s算法来进一步获取优秀匹配点。
为了排除因为图像遮挡和背景混乱而产生的无匹配关系的关键点，SIFT的作者Lowe提出了比较最近邻距离与次近邻距离的SIFT匹配方式：取一幅图像中的一个SIFT关键点，并找出其与另一幅图像中欧式距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以次近的距离得到的比率ratio少于某个阈值T，则接受这一对匹配点。因为对于错误匹配，由于特征空间的高维性，相似的距离可能有大量其他的错误匹配，从而它的ratio值比较高。显然降低这个比例阈值T，SIFT匹配点数目会减少，但更加稳定，反之亦然。
Lowe推荐ratio的阈值为0.8，但作者对大量任意存在尺度、旋转和亮度变化的两幅图片进行匹配，结果表明ratio取值在0. 4~0. 6 之间最佳，小于0. 4的很少有匹配点，大于0. 6的则存在大量错误匹配点，所以建议ratio的取值原则如下:

ratio=0. 4：对于准确度要求高的匹配；

ratio=0. 6：对于匹配点数目要求比较多的匹配；

ratio=0. 5：一般情况下。

Lowe's改进：可以反过来使用最近邻比次近邻，在匹配中可以作为置信度来使用，当满足最近邻比次近邻大于某个值的时候，作为某个条件的判别置信度；比如可以应用在双目视觉立体匹配中的视差选择与优化环节中（论文正在编写中）；

#include "highgui/highgui.hpp"
#include "opencv2/nonfree/nonfree.hpp"
#include "opencv2/legacy/legacy.hpp"
#include <iostream>  using namespace cv;
using namespace std;int main()
{Mat image01 = imread("g2.jpg", 1);    Mat image02 = imread("g4.jpg", 1);    imshow("p2", image01);imshow("p1", image02);//灰度图转换  Mat image1, image2;cvtColor(image01, image1, CV_RGB2GRAY);cvtColor(image02, image2, CV_RGB2GRAY);//提取特征点    SurfFeatureDetector surfDetector(2000); //海塞矩阵阈值，在这里调整精度，值越大点越少，越精准 vector<KeyPoint> keyPoint1, keyPoint2;surfDetector.detect(image1, keyPoint1);surfDetector.detect(image2, keyPoint2);//特征点描述，为下边的特征点匹配做准备    SurfDescriptorExtractor SurfDescriptor;Mat imageDesc1, imageDesc2;SurfDescriptor.compute(image1, keyPoint1, imageDesc1);SurfDescriptor.compute(image2, keyPoint2, imageDesc2);FlannBasedMatcher matcher;vector<vector<DMatch> > matchePoints;vector<DMatch> GoodMatchePoints;vector<Mat> train_desc(1, imageDesc1);matcher.add(train_desc);matcher.train();matcher.knnMatch(imageDesc2, matchePoints, 2);cout << "total match points: " << matchePoints.size() << endl;// Lowe's algorithm,获取优秀匹配点for (int i = 0; i < matchePoints.size(); i++){if (matchePoints[i][0].distance < 0.6 * matchePoints[i][1].distance){GoodMatchePoints.push_back(matchePoints[i][0]);}}Mat first_match;drawMatches(image02, keyPoint2, image01, keyPoint1, GoodMatchePoints, first_match);imshow("first_match ", first_match);waitKey();return 0;
}

参考博客：

https://blog.csdn.net/xxzxxzdlut/article/details/72930209

https://www.cnblogs.com/wyuzl/p/7816011.html

Flann特征点匹配简述（Lowe's algorithm）相关推荐

【图像处理】——特征匹配（SIFT特征检测器+FLANN特征匹配方法+KNN近邻最优匹配筛选）——cv.xfeatures2d.SIFT_create()sift.detectAndCompute
转载请注明地址目录 1.特征检测和特征匹配方法 (1)特征检测算法 (2)特征匹配算法 (3)各种特征检测算法的比较 2.特征匹配的基本步骤(附带主要的函数) (1)图像预处理--灰度化(模板--查 ...
【总结】FLANN特征匹配
工作需要用到FLANN特征匹配技术,在这里记录一些关键知识点. ORB (Oriented FAST and Rotated BRIEF) 算法简介分为两部分: 特征点提取 -由FAST(Feat ...
Opencv中的“暴力”特征匹配和FLANN特征匹配（python实现）
文章目录 1.ORB关键点检测,SURF关键点检测,SIFT关键点检测,Shi-Tomasi角点检测,Harris角点检测 2.特征匹配的方法 3.暴力特征匹配 4.特征匹配步骤 (1)创建匹配器 ( ...
OpenCV之feature2d 模块. 2D特征框架（2）特征描述使用FLANN进行特征点匹配使用二维特征点(Features2D)和单映射(Homography)寻找已知物体平面物体检测
特征描述目标在本教程中,我们将涉及: 使用 DescriptorExtractor 接口来寻找关键点对应的特征向量. 特别地: 使用 SurfDescriptorExtractor 以及它的函数 ...
模板匹配，特征点匹配-全
cnn网络: superpoint 18年的, https://github.com/magicleap/SuperPointPretrainedNetwork cnn图像匹配:权重5m torch ...
特征点匹配+特征检测方法汇总
特征点匹配+特征检测方法汇总特征提取与匹配---SURF:SIFT:ORB:FAST:Harris角点匹配方法匹配函数 1. OpenCV提供了两种Matching方式: • Brute-for ...
结合openCV学习DIP之传统图像特征与匹配
前言关于图像的预处理部分参考结合opencv学习DIP 概述该笔记主要是基于DIP理论➕openCV实现,学习该笔记首先要确保通读DIP理论,并由自己的话描述相关知识,并且掌握o ...
SIFT特征点匹配中KD-tree与Ransac算法的使用
转自:http://blog.csdn.net/ijuliet/article/details/4471311 Step1:BBF算法,在KD-tree上找KNN.第一步做匹配咯~ 1.什么是KD-t ...
基于特征点匹配的自适应目标跟踪算法
基于特征点匹配的自适应目标跟踪算法 2016-01-29 13:11 摘要:由于实际场景复杂多变,目标在运动过程中往往会出现形变.遮挡等问题,增加了跟踪的难度.为了解决上述问题,提出一种基于特征点匹 ...
OpenCV与FLANN的功能匹配
OpenCV与FLANN的功能匹配与FLANN的功能匹配目标理论代码结果与FLANN的功能匹配目标在本教程中,您将学习如何: 使用cv :: FlannBasedMatcher界面,以 ...

Flann特征点匹配简述（Lowe's algorithm）

Flann特征点匹配简述（Lowe's algorithm）相关推荐

最新文章

热门文章