我正在开发需要检测已知对象的多个实例的 iPad 原型。我正在使用 SIFT 进行特征检测和描述符提取以及 BruteForce 匹配器。
我必须解决的第一个问题是如何对匹配进行聚类以分离场景中的每个对象实例。这是通过查找最接近的匹配来完成的，使用两个或树步骤以获得最佳结果。
现在我正在研究如何减少异常值，并且我正在尝试使用比率测试来删除它们。所以，我在这里有两个问题，有人可以帮助我，或者用更好的方法吗？：
1)之前，我使用的是radiusMatch，但是当我尝试使用knnMatch（k > 1）时，我收到一个运行时错误。BruteForce 匹配器是否支持 knnMatcher？我没有找到任何相关的信息。
2)如何对多个实例应用比率测试？我的意思是，如果我使用 knnMatch，我假设我需要将k参数与预期对象实例的近似数量一起传递，那么，我如何应用例如k = 20的测试？
来自 Mastering_OpenCV 的参考资料：
比率检验第二种众所周知的异常值去除技术是比率检验。我们首先使用 K=2 执行 KNN 匹配。每次匹配都会返回两个最近的描述符。仅当第一个和第二个匹配之间的距离比足够大（比率阈值通常接近 2）时才返回匹配。
Tks