OpenCV BFMatcher - 忽略误报

Question

有人能描述一个忽略 BFMatcher 误报的好过程吗？

我定义了要在场景中查找的图像，使用 SiftFeatureDetector、SiftDescriptorExtractor，然后使用 BFMatcher。在搜索正确的标记时，我发现匹配没有问题，但我想让我的代码对误报更加健壮。

//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);

我尝试通过跳过过滤掉误报：

if (matches.size() < 50) {
     //false positive - skip
} else {
     //perform actions
}

但这一点都不可靠。我想我看到了一些关于人们使用半径匹配器的文章，但我找不到一个很好的描述来使用蛮力的半径匹配。我查看了文档：http://docs.opencv.org/modules/features2d/doc/common_interfaces_of_descriptor_matchers.html，但我非常清楚我如何决定这个应用程序的最佳 min_dist/max_dist 是什么？

我相信这对你们中的一些人来说是一个非常简单的答案 - 非常感谢您的帮助！

Answer 1

您需要过滤匹配的距离。 注意距离取决于您在 BFMatcher 中选择的规范。

这里是一个来自 openCV 示例的示例：

double min_dist = 100;
for( int i = 0; i < descriptors_object.rows; i++ )
   { double dist = matches[i].distance;
        if( dist < min_dist ) min_dist = dist;
   }

 /** Keep 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]); }
  }