最近，我对 RGB-D 图像的描述符进行了研究，但我现在面临如何计算召回精度的问题。
我的直接想法是，首先，在检测和描述关键点之后，将两个深度图像分别转换为点云。其次，使用地面实况数据（旋转矩阵和向量）将两个点云转换为世界坐标系。第三，只计算召回精度，就像在单点云上做的那样。
如果我的想法是正确的，那么我的实验中存在一些问题：RGB 图像中的关键点可能在对应的深度图像中的值为零，因此，RGB 图像中实际匹配的关键点可能在变换后的点云中不匹配。
我怎样才能正确计算召回精度？
最近，我对 RGB-D 图像的描述符进行了研究，但我现在面临如何计算召回精度的问题。
我的直接想法是，首先，在检测和描述关键点之后，将两个深度图像分别转换为点云。其次，使用地面实况数据（旋转矩阵和向量）将两个点云转换为世界坐标系。第三，只计算召回精度，就像在单点云上做的那样。
如果我的想法是正确的，那么我的实验中存在一些问题：RGB 图像中的关键点可能在对应的深度图像中的值为零，因此，RGB 图像中实际匹配的关键点可能在变换后的点云中不匹配。
我怎样才能正确计算召回精度？