GMS: Grid-based Motion Statistics for Fast, Ultra-robust Feature Correspondence 代码解读
论文原文地址:GMS: Grid-based Motion Statistics for Fast, Ultra-robust Feature Correspondence
代码地址:github
1 论文核心思路
论文认为:匹配对应该是平滑的,对于true match pair(l1,r1),l1附近的特征点对应的匹配点也应该在r1附近.
① 利用上面的平滑性质,建立统计分析模型(二项分布),过滤ORB matches中的false matches;
② 通过划分栅格来加速真假判断过程,两张图像各划分成m * m块,只需要对各块内及邻块的Feature统计,m建议是20;
③ 对于匹配块(pl1,pr1),对相邻的n * n块,分别进行统计,比如统计pl1的左上块与pr1的左上块的匹配数目,其他类似,以共同验证(pl1,pr1)是否是正确匹配块.这里n建议是3.
④ 论文验证了这个思路的可行性.
1.1 GMS系统概述
下图中,红星表示的是GMS,可以看出,确实很厉害,精度和时间都很好。
下面这张图是GMS整体思路的总结,主要利用了平滑性质。
1.2 统计概率模型
下图是论文提到的统计概率模型,公式符号较多,建议结合论文阅读。
下图中,最大化P是为了将false