SIFT匹配和识别？

我正在开发一个应用程序，其中使用 SIFT + RANSAC 和单应性来查找对象（OpenCV C++，Java）。我面临的问题是，在有很多异常值的地方，RANSAC 表现不佳。

为此我想尝试一下SIFT的作者说的很好的办法：投票。

我读过我们应该在 4 维特征空间中投票，其中 4 个维度是：

• 位置[x,y]（有人说翻译）
• Scale
• 方向

而用opencv很容易得到匹配scale and orientation with:

cv::Keypoints.octave
cv::Keypoints.angle

我很难理解如何计算位置。

我找到了一个有趣的幻灯片 http://www.cs.utexas.edu/~cv-fall2012/slides/fall2012_02_specific_objects.pdf哪里只有one match我们可以绘制一个边界框：

但我不明白如何只用一场比赛来绘制边界框。有什么帮助吗？

您正在寻找适合从图像 1 到图像 2 的几何变换的最大匹配特征集。在本例中，它是相似变换，它有 4 个参数： 平移(dx, dy), 尺度变化ds，和旋转d_theta.

假设您已匹配特征：图像 1 中的 f1 和图像 2 中的 f2。让(x1,y1)是图像 1 中 f1 的位置，令s1是它的规模，并让theta1是它的方向。同样你有(x2,y2), s2, and theta2 for f2.

两个特征之间的转换是(dx,dy) = (x2-x1, y2-y1).

两个特征之间的尺度变化为ds = s2 / s1.

两个特征之间的旋转是d_theta = theta2 - theta1.

So, dx, dy, ds, and d_theta是霍夫空间的维度。每个 bin 对应一个相似度变换。

一旦您执行了霍夫投票并找到了最大 bin，该 bin 就会为您提供从图像 1 到图像 2 的转换。您可以做的一件事是获取图像 1 的边界框并使用该转换对其进行转换：应用相应的转换，旋转和缩放到图像的角点。通常，您将参数打包到变换矩阵中，并使用齐次坐标。这将为您提供图像 2 中与您检测到的对象相对应的边界框。