特徴抽出（sift、orb）を使用してオブジェクト検出を行っています。
オブジェクト（列車画像）のさまざまな視点からORB機能を抽出し、それらすべてをクエリ画像と照合したいと考えています。
私が直面している問題は、もちろんサイズが異なる画像の異なる視点からのキーポイントからどのように良いホモグラフィを作成できるかということです。
3〜4回の一致を取得した各列車の画像のホモグラフィを作成し、「平均」ホモグラフィを計算することを考えていました...
たとえば、各列車の画像から1〜2の一致があると言うと、問題が発生します。その時点で、ホモグラフィを1つも作成できません
ホモグラフィを作成するためのコード
//> For each train images with at least some good matches ??
H = findHomography( train, scene, CV_RANSAC );
perspectiveTransform( trainCorners, sceneCorners, H);
ホモグラフィについて話すとき、画像AとBのペアは画像BとCのペアとは何の関係もないので、それをする意味はないと思います。異なるセットの良好な一致と異なる同形異義語が得られますが、同形異義語は無関係であり、エラーの最小化には意味がありません。
すべての最小化は、画像のペアだけを考慮して、一致、キーポイント、および記述子内にある必要があります。
FREAK記述子であなたが求めるものに似たアイデアがあります。選択したペアを一連の画像でトレーニングできます。つまり、FREAK は一連の画像に基づいて記述子を抽出するための最適なパターンを決定します。このトレーニングの後、より優れたホモグラフィを提供するより堅牢な数学を見つけることになっています。
良いホモグラフィを見つけるには、キーポイントの正確な一致が必要です。4 マッチが必要です。
最も一般的な方法は、RANSAC と組み合わせた DLT です。DLT は、キーポイントをシーンに射影するホモグラフィ 3x3 マトリックスを見つける線形変換です。RANSAC は、数学モデルを満たすインライア/アウトライアの最適なセットを見つけるため、DLT の入力として最適な 4 つのポイントを見つけます。
編集
堅牢なキーポイントを見つける必要があります。SIFT はそれを行うことが想定されており、スケールとパースペクティブは不変です。異なるイメージでトレーニングする必要はないと思います。平均ホモグラフィを見つけても意味がありません。検出されたオブジェクトの唯一のホモグラフィを見つける必要があり、そのホモグラフィは、マーカーと検出されたオブジェクト間の変換になります。ホモグラフィーは正確で、平均を見つけても意味がありません。
オブジェクトのビューからキーポイントを取得するアプローチを試しましたか: train_kps_1、train_kps_2... 次に、それらの配列をシーンと照合し、それらのいくつかの配列から最適な一致を選択して、良好な一致の単一の配列を生成します。そして最後に、その結果を「列車」として検索ホモグラフィに使用します。
ここで重要なのは、最適な一致を選択する方法です。これは別の質問であり、ここで適切な答えを見つけることができます。
http://answers.opencv.org/question/15/how-to-get-good-matches-from-the-orb-feature/
そして多分ここに：