特征匹配
特征匹配,又可以称之为数据关联。在图像领域中,特征匹配的作用非常大。比如:
- 在图像拼接中,需要进行特征匹配,方便求出单应矩阵以拼接两幅图像;
- 在三维重建中,需要进行特征匹配,方便求出变换矩阵以及三角化特征点;
- 在图像检索中,可以通过特征点在数据库中检索,查找到特征匹配数量最多的识别结果;
- ...
检索部分暂时不提,毕竟涉及到了复杂的数据结构。并且在SLAM中用的并不多,虽然在回环检测中需要用到。但是,这是后续的事情了。
> >
特征匹配的前提:
特征描述子的特异性和可重复性:特征描述子是在图像中利用邻域信息对关键点进行描述,得到一组描述向量。通常对于两帧具有部分重复纹理的地方,同一个位置的特征描述子应该是一样的。但是由于光照、遮挡、旋转和尺度等变化,导致同样的地方看起来却又不太一样。但是总体来说,只要是同一个地方,特征描述子的差别就不应该太大。
相似度度量方法:基于这个事实,特征匹配的目的就是在两个有重复纹理的图像中,将同一个位置的特征描述子关联起来。通常特征描述子是一组向量,比如 $x = {x_1, x_2, ...,x_n}$,同理,另一张图像中的同个位置描