我正在开发一个应用程序，我在其中使用 SIFT + RANSAC 和 Homography 来查找对象（OpenCV C++、Java）。我面临的问题是，在有很多异常值的地方，RANSAC 表现不佳。
出于这个原因，我想试试 SIFT 的作者说的很不错的方法：投票。
我读到我们应该在 4 维特征空间中投票，其中 4 维是：
虽然使用 opencv 很容易匹配 scale 和 orientation 与：
cv::Keypoints.octave
cv::Keypoints.angle
我很难理解如何计算位置。
我找到了一个interesting slide，其中只有one match 我们能够绘制一个边界框：
但我不明白如何只用一个匹配来绘制那个边界框。有什么帮助吗？
【问题讨论】：
标签： opencv computer-vision sift object-detection
要完成Dima's ，需要添加 4D Hough 空间被量化为（可能很小）数量的 4D 框，其中每个框对应于其中心给出的相似度。
然后，对于通过试探性特征匹配获得的每个可能的相似性，将 1 添加到 4D 空间中的相应框（或 cell）中。输出相似度由得票多的单元格给出。
为了从 1 个匹配计算变换，只需在他的答案中使用 Dima 的公式。对于几对匹配，您可能需要使用一些最小二乘拟合。
最后，可以使用函数cv::warpPerspective()进行变换，其中透视矩阵的第三行设置为[0,0,1]。
【讨论】：
使用 Hough 变换时，您会创建一个签名，用于存储来自模板质心的每个特征的位移向量（(w/2,h/2) 或借助中心矩）。
例如对于模板上找到的 10 个 SIFT 特征，它们根据模板质心的相对位置是vector<{a,b}>。现在，让我们在查询图像中搜索这个对象：在查询图像中找到的每个 SIFT 特征，与模板的 10 个特征中的一个匹配，都会对其对应的质心投一票。
votemap(feature.x - a*, feature.y - b*)+=1 其中 a,b 对应于这个特定的特征向量。
如果其中一些特征在同一点成功转换（集群是必不可少的），那么您已经找到了一个对象实例。
签名和投票是相反的程序。让我们假设V=(-20,-10)。因此，在小说图像中搜索时，当找到两个匹配项时，我们会检测它们的方向和大小并进行相应的投票。例如。因为右边的盒子质心将V'=(+20*0.5*cos(-10),+10*0.5*sin(-10)) 远离 SIFT 特征，因为它是一半大小并旋转了 -10 度。
【讨论】：
您正在寻找适合从图像 1 到图像 2 的几何变换的最大匹配特征集。在这种情况下，它是相似度变换，它有 4 个参数：平移(dx, dy)，尺度变化ds , 和旋转d_theta。
假设您已匹配特征：图像 1 中的 f1 和图像 2 中的 f2。设 (x1,y1) 为 f1 在图像 1 中的位置，设 s1 为其比例，设 theta1 为其方向.同样，f2 有 (x2,y2)、s2 和 theta2。
两个特征之间的翻译是(dx,dy) = (x2-x1, y2-y1)。
两个特征之间的比例变化是ds = s2 / s1。
两个特征之间的旋转是d_theta = theta2 - theta1。
所以，dx、dy、ds 和 d_theta 是霍夫空间的维度。每个 bin 对应一个相似变换。
执行 Hough 投票并找到最大 bin 后，该 bin 会为您提供从图像 1 到图像 2 的转换。您可以做的一件事是获取图像 1 的边界框并使用该转换对其进行转换：应用相应的平移、旋转和缩放到图像的角落。通常，您将参数打包到变换矩阵中，并使用齐次坐标。这将为您提供图像 2 中与您检测到的对象相对应的边界框。
【讨论】：