一致の登録の精度を得る

Question

私は通常のORBアプリケーションを持っています。私のホモグラフィの正確さを知る方法がないので、私はマッチの正確さを知ろうとしています。これは正しい方法です。私のコードでは、外れ値を取り除いた後のマッチはraw_matchesにあるようです。比率テストをした後、良いマッチを得て、その正確さを見いだしたい。

コード：（エラーが両方の画像内に存在するという仮定の下で）ホモグラフィの品質

detector = cv2.ORB_create(FEATURESCOUNT) 
kp1, desc1 = detector.detectAndCompute(img1, None) 
kp2, desc2 = detector.detectAndCompute(img2, None) 

flann_params= dict(algorithm = FLANN_INDEX_LSH, table_number = 6, key_size = 12, bmulti_probe_level = 1) 
matcher = cv2.FlannBasedMatcher(flann_params, {}) 
raw_matches = matcher.knnMatch(desc1, trainDescriptors = desc2, k = 2) 

ratio = 0.9 
mkp1, mkp2 = [], [] 

for m in raw_matches: 
    if len(m) == 2 and m[0].distance < m[1].distance * ratio: 
     m = m[0] 
     mkp1.append(kp1[m.queryIdx]) 
     mkp2.append(kp2[m.trainIdx]) 

print max(distmax) 
distall = sum(i for i in distmax) 
print distall/len(distmax) 


p1 = np.float32([kp.pt for kp in mkp1]) 
p2 = np.float32([kp.pt for kp in mkp2]) 

comps =[] 
res = [] 

kp_pairs = zip(mkp1, mkp2) 

if len(p1) >= 4: 
    H, status = cv2.findHomography(p1, p2, cv2.RANSAC, 5.0) 
    comps = getComponents(H) 
    print (comps) 
    print('%d/%d inliers/matched' % (np.sum(status), len(status))) 
else: 
    H, status = None, None 
    print('%d matches found, not enough for homography estimation' % len(p1)) 

Answer 1

一つの一般的な尺度は、再投影誤差です。各点対応の誤差がガウスである場合、最小再投影誤差は最尤推定と等価である。 followsとして計算されます。ここで（x_i、x_i '）は対応、Hはホモグラフィ、dは画像内の幾何学的距離であり、これは不均一な画像点を意味します。

findHomographyは内部的に再投影エラーを最適化しようとしています。ホモグラフィが見つからない場合（渡された最大再投影エラーに基づいて）、関数はNoneを返します。

結果が間違っている場合は、ORBをAKAZE機能に変更し、RANSACスキームでのinlier分類の最大再投影エラーを減らします。 ホモグラフィがさらに最適化された粗い見積もりである場合、ホモグラフィを使用して、ホモグラフィを使用して、ホモグラフィを使用して各ホップをマッピングし、ローカル近隣に最も近い関心点を見つけることによって、ホモグラフィを使用して、その後、findHomographyを再度計算することができます。