我不确定这是否属于 stackoverflow 或其他 stackexchange 站点 - 非常欢迎在这里输入。
我使用 python OpenCV 将目标图像的 BRISK 关键点描述符与三个不同的模板进行匹配。
什么是确定哪个模板是最合适的模板的实用、稳健、统计合理的方法？
现在我计算cv2.RANSAC返回的内点数cv2.findHomography（顺便说一下，它不会返回拟合优度统计数据）并采用具有最高数字的模板。
我查看了描述符距离的直方图，它似乎总是以高斯为中心（奇怪地）在大约 105（单位？）。
https://en.wikipedia.org/wiki/Random_sample_consensus似乎很有用。
非常感谢指导 - 谢谢！
这开始是一个评论，但有点太长了。
实际上，OpenCV 在内部计算重投影误差并且不返回它。但是一旦你获得了单应性，你可以自己做同样的事情，不是吗？事实上，该算法最小化了所有点的重投影误差之和。OpenCV 文档中对该过程的完整描述
由于您有匹配项（因此源点和模板点的图像坐标）。您可以计算每个模板的平均重投影误差，可能只使用被视为内点的点，然后选择最低的一个。
从另一个网站上的类似答案：
computed_pt = H * source_pt
error_pt = sqrt( (computed_pt.x - dst_pt.x)*(computed_pt.x - dst_pt.x) + (computed_pt.y - dst_pt.y)*(computed_pt.y - dst_pt.y) )
计算两点之间的欧几里得距离。