LandmarkBoost: 用视觉上下文信息增强特征点匹配的鲁棒性

LandmarkBoost: Efficient Visual Context Classifiers for Robust Localization

IROS2018，Marcin Dymczyk, Igor Gilitschenski, Juan Nieto, Simon Lynen, Bernhard Zeis, and Roland Siegwart

摘要/简介

当前点匹配使用的方法倾向于依赖二进制描述符的最近邻搜索来执行2D-3D匹配，并通过位操作保证实时能力。然而，这些方法与地图的大小增加，视点或外观的变化以及环境中存在的视觉混叠相矛盾。

LandmarkBoost–与传统的2D-3D匹配方法相比，将搜索问题转换为分类任务。

我们使用Boost分类器进行分类，并直接获得对应关系作为分类分数。引入一种灵活的视觉上下文，能够有效地计算，并且可以捕捉整个图像平面中的关系。 原始二进制描述符用上下文信息进行增强，通过随机选择区域来构建区域信息BoW特征。评估了LandmarkBoost的检索质量和性能，证明它优于常见的描述符匹配方法。

红色的点是外点，论文说用LandmarkBoost，可以得到更多的满足几何约束（重投影误差）的点且外点明显减少。
疑问：检测到匹配点越多越好吗？-是否能说明得到的模型越好？

<