基于RobHess的SIFT图像拼接知识点随笔

1.SIFT算法具有尺度不变性在于构建的高斯尺度空间；

2.SIFT算法具有旋转不变性在于特征方向向量；

3.K-d数以图像特征点的128维特征描述子均值为依据进行划分、构建；

4.特征点匹配是一个图像的所有特征点依次在另一幅图像的k-d树中寻找最近邻和次近       邻，寻找依据是欧式距离；

5.欧式距离是两个特征点的128维描述子依次作差、平方，求和；

6.图像拼接流程：摄像头图像获取->利用棋盘格校正方法获取的校正矩阵，校正摄像头     图像->中值滤波去噪->提取SIFT特征点->对其中一副图像特征点构建K-d树->BBF+Kd     树寻找另一幅图像特征点的最近邻和次近邻点->最近邻点与次近邻点的欧式距离比值     小于阈值（0.4-0.9）初步筛选出匹配点对->通过RANSAC算法去除误匹配->根据获得     匹配点对利用最小二乘法获得图像间的透视变换矩阵（拼接矩阵）->利用矩阵将图像     进行变换（矩阵*坐标）->依据拼接点将两幅图像合并（addweight函数）->利用双线       性插值融合拼接缝。

7.3*3拼接矩阵各值含义如图：