openCV Surf tracker を使用して、2 つの画像の正確なポイントを見つけています。ご存知のように、Surf は両方の画像で多くの特徴点を返します。私がやりたいことは、これらの機能パラメーターを使用して、どの一致が正確に正しいか (真の正の一致) を見つけることです。私のアプリケーションでは、真の肯定的な一致のみが必要です。
Hessian、Laplacian、Distance、Size、Dirというパラメータが存在していました。
これらのパラメーターの使用方法がわかりませんか? 完全一致は距離が短いか、ヘシアンが多いですか? ラプラシアンは役に立ちますか? サイズまたはディレクトリが役立ちますか?
完全一致 (真陽性) を見つけるにはどうすればよいですか??
次の戦略を採用することで、クエリと画像の記述子間の非常に適切な一致を見つけることができます-
画像記述子の中からクエリ記述子の 2 NN 検索を使用し、次の条件を使用します。
距離 (1 番目の一致) < 0.6*距離 (2 番目の一致) の場合、最初の一致は「良い一致」です。
誤検知を除外します。
どのポイントが本当に一致するかを 100% 確信できないことは明らかです。SURF パラメーターを調整することで、(パフォーマンスのコストで) プラスを増やすことができます (こちらのリンクを参照してください)。実際のタスクに応じて、堅牢なアルゴリズムを使用して外れ値を排除できます。つまり、ある種のモデル フィッティングを実行する場合は RANSAC を使用できます。また、Erfan が言ったように、空間情報を使用できます (「Elastic Bunch Graph Matching」とSpatial BoW を参照してください)。
The answer which I'm about to post is just my guess because I have not tested it to see whether it exactly works as predicted or not.
By comparing the relative polar distance between 3 random candidate feature points returned by opencv and comparing it with the counterpart points in the template (with a certain error), you can not only compute the probability of true positiveness, but also the angle and the scale of your matched pattern.
Cheers!