18

我正在使用 OpenCV 2.4.3 c++ 接口来查找两个图像之间的匹配点。第一次尝试是使用 SURF。唯一的问题是耗时，所以我尝试了新的 FREAK 提取器。使用 SURF 进行检测，使用 FREAK 进行描述，我意识到 FREAK 将关键点的数量减少到几乎检测到的一半，并且结果匹配还不够。这就是原因，我尝试 FAST 来获得更多的关键点。结果：

  1. SURF 检测器，SURF 提取器，BFMatcher crosscheck true，RANSAC：第一个图像 70 个关键点，第二个图像 50 个关键点，200 毫秒。250 毫秒。15 毫秒。15 毫秒。
  2. SURF 检测器，FREAK 提取器，BFMatcher 交叉检查为真，RANSAC：第一个图像 39 个关键点，第二个图像 30 个关键点（在 FREAK 之后），200 毫秒，50 毫秒。, 0 毫秒, 0 毫秒。结果是好的匹配太少了。
  3. FAST 检测器、FREAK 提取器、BFMatcher crosscheck true、RANSAC：120 个关键点、90 个关键点（FREAK 之后的 69 和 48 个关键点）、10 毫秒、450 毫秒、15 毫秒、10 毫秒。

之后，我使用了 ORBFeatureDetector，它获得的关键点数量与 FAST 相同，但在 FREAK 提取器之后，每个图像的结果关键点为 0。难道我做错了什么？ORB 关键点与从 FAST 获得的关键点不同吗？也许我可以为此提出另一个问题，但我有最后一个问题。什么是检测器/提取器的最佳组合，以获得与我使用 SURF 的第一次实验相同的结果，但减少了处理时间？因为当我获得更多关键点时，提取器部分也更耗时，尽管我使用 FREAK。

4

4 回答 4

12

如果 FREAK 无法为其生成描述符，则 FREAK 会删除点，这种情况很多时候发生在图像的边界，因为如果它超出边界图像，它就无法生成描述符。我通过在提取之前应用 ROI 来避免这个问题。

我也将 FAST 与 FREAK 结合使用，我得到了最好的结果，但我仍然有减少提取时间的问题，这对我来说太高了。

于 2013-02-06T12:25:57.073 回答
3

实际上，您使用了参数 cross check = true。这也是你很多积分被淘汰的原因。从计算的角度来看，这个参数如果为真，则代价高昂。它用于避免在匹配过程中不完全匹配的描述符对。

如果您有两组描述符 D1 和 D2，则此参数仅允许在 D1-> D2 和 D2->D1 匹配方向上通常匹配的对。

那么，这一切都取决于您的应用程序，也许您不需要那么高的匹配精度......

最好的祝福。

亚历克斯

于 2013-12-02T20:57:59.233 回答
3

除了删除边界点，正如 Jav_Rock 所建议的那样，点的巨大（不一致？！）减少实际上取决于您存储在 keyPoint 中的大小参数。即使您将 scaleNormalized 设置为 false，如果大小参数的浮点值接近零，FREAK 也会丢弃此关键点。（但我似乎无法弄清楚为什么，因为 keyPoint 的大小参数仅在 scaleNormalized 为真时使用：source）

因此，如果您不使用 scaleNormalization，请务必将 size 参数设置为大于零（例如一）的值。
并将其作为单位“像素大小”的值（使用 scaleNormalization 时）。
顺便提一句。默认情况下，最小关键点大小为 7 。

希望这可以帮助...

于 2014-03-24T11:07:38.503 回答
1

FAST 只是一个关键点检测器（没有描述符）。如果您结合 FAST 和用于描述（多尺度）BRIEF，您将获得 ORB。

于 2013-01-26T14:52:44.317 回答