OpenCV與FLANN的功能匹配

• 與FLANN的功能匹配
• • 目標
  • 理論
  • 代碼
  • 結果

與FLANN的功能匹配

目標

在本教程中，您將學習如何：
使用cv :: FlannBasedMatcher界面，以便通過使用“多維空間中的聚類和搜索”模塊執行快速有效的匹配

理論

通常使用歐幾里得距離對經典特征描述符進行比較和匹配。由于SIFT和SURF描述符表示鄰域中定向梯度的直方圖，因此，歐幾里德距離的替代方法是基于直方圖的度量
二進制描述符（ORB，BRISK等）使用漢明距離進行匹配。此距離等于計算二進制字符串中不同元素的數量：

為了過濾匹配，使用距離比檢驗來嘗試消除錯誤匹配。計算出所考慮的關鍵點的兩個最接近的匹配之間的距離比，并且當該值低于閾值時，這是一個很好的匹配。實際上，該比率有助于區分歧義匹配（兩個最接近的鄰居之間的距離比接近于1）和區分良好的匹配。SIFT論文的下圖顯示了基于最近鄰距離比檢驗的匹配正確的可能性。

總結

以上是生活随笔為你收集整理的OpenCV与FLANN的功能匹配的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。