RANSAC算法的findHomography函数异常排除错误。

Question

我正在使用features2d（ORB、SIFT等）进行一些物体检测。

我进一步研究了RANSAC中的单应性变换问题，发现很多好的点被错误地标记为离群值。

在物体（书）内部有许多不应该是离群值的离群值。

我已经尝试将阈值提高到10，但结果几乎没有改善。我能做些什么来改善这种情况吗？

RANSAC是否有问题？

- dynamic

---

我使用OpenCV中的RANSAC算法，没有任何问题。你的图像可能存在噪声吗？你是否使用校准过的相机？ - Jav_Rock

Answer 1

在这里，“离群值”指的是那些不符合模型的点，但它们不一定要落在您的对象之外。

RANSAC找到最适合模型的点集，其余点被认为是离群值，但是离群值可以完全是您正在跟踪的对象中受噪声影响的点，并且其检测位置与RANSAC的重投影偏差足够大以被视为离群值。

不用担心，它能正常工作，您的对象已被检测，如您的图像所示。

- Jav_Rock

---

我认为离群值并不是错的。可能发生的情况是你的内点不够好。对于一个良好的单应性，你需要至少4个点，如果有太多噪声，RANSAC会失败，因为它是一种线性方法。 - Jav_Rock

是的，这就是RANSAC所考虑的内点，但这并不意味着这些点会生成一个好的单应性矩阵。你的图像可能存在模糊，而且点的位置也不够精确。有时当我快速移动相机时，我也会遇到类似的问题，跟踪会丢失。 - Jav_Rock

这对我来说是个真正的问题 =/ 是的，也许画面有些模糊，但我相信不会太多（而且我在那一帧没有移动相机） - dynamic

Answer 2

尝试使用其他特征检测器寻找更多功能（最少100个），或调整检测器阈值以增加数量。在对象上均匀分布点也是合适的。 您可以尝试使用OpenCV中的goodFeaturesToTrack。

- VisionC

---

+1 是的，找到超过100个点会增加“好”的内点的可能性。我认为SIFT还不错，结合FLANN匹配使用。 - Jav_Rock

Answer 3

异常值在这种情况下是指不符合模型的点。Opencv中的RANSAC可以在匹配点对之间找到平面单应性。在您的案例中，书是一个平面，内点应该在书内。如果它们被视为异常值，则可能的原因是：

1. 匹配错误
2. 图像特征冗余（例如易于检查的棋盘格）

在特征点为3D对象的情况下，无法保证内点位于对象内部。如果将匹配点以图像坐标的形式作为输入，Opencv的findHomography会估计平面单应性。

- nbsrujan