将ORB功能与阈值匹配

Question

我的项目是基于android的草药识别.我使用ORB来获取关键点,功能和匹配功能.

我想用这个算法:

1. 我使用4参考图像,并将它们的特征image1匹配到图像1,1-2,1-3,1-4,2-3,3,4.
2. 然后我将最小和最大距离存储到数据库作为阈值.(最小阈值=总最小值/ 6)
3. 当我识别出新图像时,我将新的最小和最大距离与数据库进行比较.但我不知道该怎么做.

{

for (j=MinID; j<=MaxID; j++){
                        MatOfDMatch matches = DetectUtility.match(features, matFromJson(DB.GetORBFitur(j)));
                        List<DMatch> matchesList = matches.toList();
                        Double max_dist = 0.0;
                        Double min_dist = 100.0;
                        for (int i = 0; i < matchesList.size(); i++){
                            Double dist = (double) matchesList.get(i).distance;
                            if (dist < min_dist && dist != 0){
                                min_dist = dist;
                            }
                            if (dist > max_dist){
                                max_dist = dist;
                            }
                        }

从这个网站,我得到这个代码:

//-- Draw only "good" matches (i.e. whose distance is less than 3*min_dist )
std::vector< DMatch > good_matches;

for( int i = 0; i < descriptors_object.rows; i++ )
{ if( matches[i].distance < 3*min_dist )
 { good_matches.push_back( matches[i]); }
}   

如何获得神奇的数字3？我必须对最大距离做些什么？

我想使用的algoritma,我之前使用过Invariant Moment,以及City Block Distance来匹配具有最小距离的图像.

Answer 1

我也不知道.距离是特征点相似度的度量,越少越好.的原始ORB纸(图5,下图)示出了距离为好的和坏的匹配分布.人们可以肯定地说,"良好"的距离阈值大约是64.

更正确的是:

double dist_th = 64;
for( int i = 0; i < descriptors_object.rows; i++ )
{ if( matches[i].distance < dist_th )
 { good_matches.push_back( matches[i]); }
} 

然后你仍然必须使用RANSAC来过滤不一致的匹配.因此,最简单的解决方案是将查询图像与所有4个数据库图像进行匹配.

但是我建议你使用一些分类器,而不仅仅是匹配.看到这个人的方法(它有效,我认识他) - http://cmp.felk.cvut.cz/~sulcmila/