将 ORB 特征与阈值匹配

Posted 2023-02-21

【中文标题】将 ORB 特征与阈值匹配

【英文标题】：Matching ORB Features with a threshold

【发布时间】：2014-05-16 10:45:38

【问题描述】：

我的项目是基于android的草药识别。我使用 ORB 来获取关键点、特征并匹配特征。

我想用这个算法：

我使用 4 个参考图像，并将它们的特征 image1 与 image1、1-2、1-3、1-4、2-3、3,4 进行匹配。 然后我将到数据库的最小和最大距离存储为阈值。 （最低阈值 = 总最小值/6） 当我识别出新图像时，我会将新的最小和最大距离与数据库中的距离进行比较。但我不知道该怎么做。

for (j=MinID; j<=MaxID; j++)
                        MatOfDMatch matches = DetectUtility.match(features, matFromJson(DB.GetORBFitur(j)));
                        List<DMatch> matchesList = matches.toList();
                        Double max_dist = 0.0;
                        Double min_dist = 100.0;
                        for (int i = 0; i < matchesList.size(); i++)
                            Double dist = (double) matchesList.get(i).distance;
                            if (dist < min_dist && dist != 0)
                                min_dist = dist;
                            
                            if (dist > max_dist)
                                max_dist = dist;
                            
                        

从this site，我得到这个代码：

//-- Draw only "good" matches (i.e. whose distance is less than 3*min_dist )
std::vector< DMatch > good_matches;

for( int i = 0; i < descriptors_object.rows; i++ )
 if( matches[i].distance < 3*min_dist )
  good_matches.push_back( matches[i]); 
   

如何获得那个神奇的数字 3？ 以及我必须做什么才能达到最大距离？

我要使用的算法，我之前用过不变量矩和城市街区距离来匹配最小距离的图像。

【参考方案1】：

我也不知道。距离是特征点相似度的度量，越少越好。 original ORB paper（下图 5）显示了好匹配和坏匹配的距离分布。可以肯定地说，“良好”的距离阈值约为 64。

所以更正确的是：

double dist_th = 64;
for( int i = 0; i < descriptors_object.rows; i++ )
 if( matches[i].distance < dist_th )
  good_matches.push_back( matches[i]); 
 

然后您仍然必须使用 RANSAC 过滤不一致的匹配项。因此，最简单的解决方案是将您的查询图像与所有 4 个数据库图像进行匹配。

但我建议您使用一些分类器，而不仅仅是匹配。看看这个人的方法（它有效，我认识他） - http://cmp.felk.cvut.cz/~sulcmila/

【讨论】：

感谢您的回答 :) 但我仍然不知道如何在拥有 good_matches 后将我的新图像与数据库中的图像进行匹配。我的新图像如何被认为与数据库中的女巫相匹配？

“匹配”是什么意思？您的意思是“认为这种药草是 db 中的一种”？我认为，如果您从 RANSAC 获得几何验证匹配，则可以，但这对我来说非常罕见。考虑形状和纹理分类。