我的项目是基于android的草药识别。我使用 ORB 来获取关键点、特征和匹配特征。
我想使用这个算法:
{
for (j=MinID; j<=MaxID; j++){
MatOfDMatch matches = DetectUtility.match(features, matFromJson(DB.GetORBFitur(j)));
List<DMatch> matchesList = matches.toList();
Double max_dist = 0.0;
Double min_dist = 100.0;
for (int i = 0; i < matchesList.size(); i++){
Double dist = (double) matchesList.get(i).distance;
if (dist < min_dist && dist != 0){
min_dist = dist;
}
if (dist > max_dist){
max_dist = dist;
}
}
来自 this site ,我得到这个代码:
//-- Draw only "good" matches (i.e. whose distance is less than 3*min_dist )
std::vector< DMatch > good_matches;
for( int i = 0; i < descriptors_object.rows; i++ )
{ if( matches[i].distance < 3*min_dist )
{ good_matches.push_back( matches[i]); }
}
如何获得那个神奇的数字 3?
我必须怎么做才能达到最大距离?
我想使用的算法,我之前使用过使用不变矩和城市街区距离来匹配具有最小距离的图像。
最佳答案
我也不知道。距离是特征点相似度的度量,越少越好。 original ORB paper (下图 5)显示了好匹配和坏匹配的距离分布。可以肯定地说,“良好”的距离阈值约为 64。
所以更正确的是:
double dist_th = 64;
for( int i = 0; i < descriptors_object.rows; i++ )
{ if( matches[i].distance < dist_th )
{ good_matches.push_back( matches[i]); }
}
然后你仍然必须使用 RANSAC 来过滤不一致的匹配。因此,最简单的解决方案是将您的查询图像与所有 4 个数据库图像进行匹配。
但我建议你使用一些分类器,而不仅仅是匹配。看看这个人的方法(它有效,我认识他) - http://cmp.felk.cvut.cz/~sulcmila/
关于android - 将 ORB 特征与阈值匹配,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/22857398/