Устранение ложных срабатываний в дескрипторах функций

Учитывая две карты сетки занятости, преобразованные в оттенки серого cv :: Mat, я использовал дескриптор функции ORB и сопоставил извлеченные функции из обоих изображений. Большинство из них - ложные срабатывания. Ниже я показал только одно отношение, чтобы показать, что это действительно ложное срабатывание.

введите описание изображения здесь

В конечном итоге я хочу найти правильное преобразование между двумя картами сетки занятости, чтобы объединить их карты в одну глобально согласованную карту. Текущий код, который у меня есть, показан ниже:

  // Load the two maps
    nav_msgs::OccupancyGrid map1;
    initOccupancyGridMap1(map1);
    nav_msgs::OccupancyGrid map2;
    initOccupancyGridMap2(map2);

    // Convert the two maps to grayscale images
    cv::Mat im1 = cvtMapToMat(map1);
    cv::Mat im2 = cvtMapToMat(map2);

    // Feature Descriptor Extraction
    cv::OrbFeatureDetector featureDetector;
    cv::OrbDescriptorExtractor featureExtractor;
    std::vector<cv::KeyPoint> kp1;
    std::vector<cv::KeyPoint> kp2;
    cv::Mat d1;
    cv::Mat d2;
    std::vector<cv::DMatch> matches;
    cv::BFMatcher dematc(cv::NORM_HAMMING, false);
    // 1. Detect keypoints
    featureDetector.detect(im1, kp1);
    featureDetector.detect(im2, kp2);
    // 2. Extract descriptors
    featureExtractor.compute(im1, kp1, d1);
    featureExtractor.compute(im2, kp2, d2);
    // 3. Match keypoints
    dematc.match(d1, d2, matches);

    for (int i = 0; i < matches.size(); i++){
        std::vector<cv::DMatch> match(1,matches[i]);

        std::cout << "Distance: " << match[0].distance << std::endl;
        cv::Mat img_show;
        drawMatches(im1, kp1, im2, kp2, match, img_show);
        imshow("Matches", img_show);
        cv::waitKey(0);
    }

opencv feature-extraction orb false-positive
person Xegara    schedule 02.05.2014    source источник
comment
возможный дубликат улучшения сопоставления точек характеристик с openCV   -  person Aurelius    schedule 03.05.2014

Ответы (1)


arrow_upward
0
arrow_downward

Чтобы удалить очень похожие точки, я использовал второго ближайшего соседа. Если точка совпадает с одной точкой, которая почти равна другой, вы не можете быть уверены, что совпадение правильное.

Например, если ваша точка A совпадает с точками B и C, вы можете считать B хорошим совпадением, если они отличаются по крайней мере на 25% (это различие - то, что я выбрал, но вы можете попробовать с другими числами). .

Код выглядит так:

 // 2. Extract descriptors
featureExtractor.compute(im1, kp1, d1);
featureExtractor.compute(im2, kp2, d2);
// 3. Match keypoints

std::vector<cv::DMatch> goodMatches;
// Instead match only one point, try to match with 2.
matcher.knnMatch( d1, d2, matches, 2 );

for(int i = 0; i< matches.size(); i++){  // matches from matcher
    //with this condition we check that the points are at least 25% diferent.
    if(matches[i].at(0).distance< 0.75*matches[i].at(1).distance){
         goodMatches.push_back(matches[i].at(0));
    }
}
person cbrz    schedule 04.05.2014