有人能描述一下BFMatcher中忽略假阳性的良好流程吗?
我定义了一个在场景中要查找的图像,使用SiftFeatureDetector、SiftDescriptorExtractor然后使用BFMatcher。当搜索正确的标记时,我可以很容易地找到匹配,但我希望使我的代码更加强大,以应对假阳性。
//Detect keypoints using ORB Detector
SiftFeatureDetector detector;
vector<KeyPoint> keypoints1, keypoints2;
detector.detect(im1, keypoints1);
detector.detect(im2, keypoints2);
//Draw keypoints on images
Mat display1, display2;
drawKeypoints(im1, keypoints1, display1, Scalar(0,0,255));
drawKeypoints(im2, keypoints2, display2, Scalar(0,0,255));
//Extract descriptors
SiftDescriptorExtractor extractor;
Mat descriptors1, descriptors2;
extractor.compute( im1, keypoints1, descriptors1 );
extractor.compute( im2, keypoints2, descriptors2 );
BFMatcher matcher(NORM_L1, true);
vector<DMatch> matches;
matcher.match(descriptors1, descriptors2, matches);
我试图通过跳过来过滤掉假阳性:
if (matches.size() < 50) {
//false positive - skip
} else {
//perform actions
}
但这并不是非常健壮的方法。我记得见过一些使用半径匹配器的文章,但我找不到一个很好的描述如何将半径匹配与Brute Force一起使用的文章。我查看了文档:http://docs.opencv.org/modules/features2d/doc/common_interfaces_of_descriptor_matchers.html,但对我来说如何决定此应用程序的好min_dist/max_dist并不清楚。
我相信对于你们中的一些人来说,这是一个相当简单的答案 - 您的帮助将不胜感激!