Trouver les correspondances exactes de SURF dans openCV

Question

J'utilise openCV Surf tracker pour trouver des points précis dans deux images. Comme vous le savez, Surf renvoie de nombreux points de caractéristiques dans les deux images. ce que je veux faire est d'utiliser ces paramètres de fonctionnalité pour savoir quelles correspondances sont exactement correctes (correspondances positives réelles). Dans mon application, je n'ai besoin que de vraies correspondances positives.

Ces paramètres existent: hessois, Laplacien, Distance, Taille, Dir .

Je ne sais pas comment utiliser ces paramètres? Est-ce que les correspondances exactes ont moins de distance ou plus de Hesse? laplacien peut aider? taille ou dir peut aider? Comment puis-je trouver des correspondances exactes (vrais positifs) ??

Answer 1

La réponse que je suis sur le point de poster est juste ma conjecture parce que je ne l'ai pas testé pour voir si cela fonctionne exactement comme prévu ou non. En comparant la distance polaire relative entre 3 points caractéristiques aléatoires retournés par opencv et en les comparant avec les points homologues du modèle (avec une certaine erreur), vous pouvez non seulement calculer la probabilité de positivité réelle, mais aussi l'angle et le échelle de votre modèle assorti.

À la votre!

Answer 2

Il est évident que vous ne pouvez pas être sûr à 100% quels points correspondent vraiment. Vous pouvez augmenter (dans le coût de la performance) les positifs en ajustant les paramètres SURF (voir quelques liens here). En fonction de votre tâche réelle, vous pouvez utiliser des algorithmes robustes pour éliminer les valeurs aberrantes, c'est-à-dire RANSAC si vous effectuez un ajustement de modèle. En outre, comme Erfan l'a dit, vous pouvez utiliser des informations spatiales (consultez "Elastic Bunch Graph Matching" et Spatial BoW).

Answer 3

Vous pouvez trouver des correspondances très décent entre les descripteurs dans la requête et l'image en adoptant la stratégie suivante -

Utilisez un 2 NN recherche de descripteurs de requête parmi les descripteurs d'image, et le condition-

suivant si distance (1er match) < 0,6 * distance (2e match) le 1er match est un "bon match".

pour filtrer les faux positifs.