图像拼接 之 特征点匹配

介绍

在人们实际生活和工作中时常需要获得宽视角、高分辨率的全景图像，但是由于摄像设备的机械限制，一般只能得到局部的成像。全景相机、广角镜头等可以直接获得全景图像的硬件设备往往代价高昂，难以广泛推行，因此催生出了使用计算机视觉的方法来将多个局部的图像拼接生成全景图像，也即是图像拼接技术。
图像拼接是将多张小尺寸的相同场景的图像拼接成为一张大尺寸图像的技术。OpenCV 提供了 Stitcher 类对传统的图像拼接算法进行了实现，其算法流程如下图所示：

来自 Stitching Pipeline

Stitcher 提供的图像拼接算法流程可以划分为 Registration 和 Composition 两个阶段，其中 Registration 阶段中又包含了特征点提取、特征点匹配、相机参数估计等步骤。本文内容主要针对于图像拼接中的特征点匹配步骤相关算法进行介绍。

特征点对搜索

输入原始图像后，可以通过 SIFT、SURF 或者 ORB 等特征点提取算法计算出图像的特征点。通过这些特征点，可以对图像之间的特征点进行匹配。
传统算法中使用 KNN 算法计算两个图像之间的匹配特征点对。每个提取出的特征点均包含特征点描述向量，从而可以计算出两个特征点之间的距离。对于特征匹