SIFT 特徴検出器と記述子を使用しています。2つの画像間のポイントを一致させています。findHomography()RANSAC方式でOpenCVの機能を利用しています。
RANSAC アルゴリズムについて読んだとき、RANSAC のしきい値パラメーターを調整すると結果が改善されると言われています。しかし、パラメーターをハードコーディングしたくありません。
RANSAC が試合の外れ値を取り除いていることは知っています。ホモグラフィを適用する前に、基本的な方法で外れ値 (すべてではない) を削除すると、ホモグラフィの結果が改善されるかどうか、誰かに教えてもらえますか?
もしそうなら、RANSAC の前に操作を適用して外れ値を取り除くにはどうすればよいでしょうか?
良い結果の定義は何ですか? RANSAC はポイント数とその精度の間のトレードオフに関するものであるため、良いという統一された定義はありません。精度が悪い場合はより多くのインライアがあり、その逆も同様です。
あなたが話しているパラメータはおそらく外れ値のしきい値であり、調整が不十分なため、近似インライアが多すぎるか、超正確なインライアが少なすぎます。ここで、外れ値を事前にフィルター処理すると、RANSAC の速度が向上するだけで、ソリューションが改善される可能性は低くなります。最終的に、ホモグラフィを使用した RANSAC の速度は、4 つのインライアを選択する確率に要約され、それらの割合が高いほど、収束はより高速になります。
RANSAC を適用する前に外れ値を整理する他の方法は、点の順序付け、直線が依然として直線である、交差比、およびホモグラフィ変換のその他の不変条件など、より単純な制約を調べることです。最後に、線などの高レベルの機能を使用してホモグラフィを計算することもできます。点が p2=H*p1 として変換される同次座標では、線は l2 = H -t * l1 として変換されることに注意してください。これにより、実際には精度が向上します (線はマクロ フィーチャであり、関心のあるポイントよりもノイズが少ないため) 一方で、ハフ変換を介して直線を検出できます。
いいえ、RANSAC と関連するアルゴリズムの要点は外れ値を取り除くことです。
ただし、やや恣意的なしきい値の定義を回避する方法でアルゴリズムを改良することは可能です。
良い出発点は、Torr の古いMLESAC 論文です。