Computer vision 为什么在物体识别问题中需要单应性？

我被要求做sift关键点匹配，然后单应矩阵估计。为什么在目标识别问题中需要单应矩阵？这就是我试图识别的图像类型

答案取决于您使用的对象检测方法。如果目标检测不是旋转不变的（例如，通过使用HOG等特征）。如果在尝试检测之前对图像进行变换（主要是旋转），那么它将真正有助于提高目标检测的准确性。一定要让我知道你们用什么方法进行目标检测，这样就很容易找到为什么要计算单应矩阵了

这取决于应用程序。通常它只指定将一幅图像与另一幅图像对齐所需的变换，因此它可以用于从重建全景到视觉里程/SLAM到增强现实的纹理重建的任何事情。请帮助我，我正在努力，我的项目没有进展。我做的步骤如下：1）提取特征2）匹配关键点3）在1000次迭代中使用RANSAC单应4）使用迭代中的最佳匹配。因此，存在许多误报。但由于每张图像都有1000多个关键点，因此几乎不可能检查每个误报。你想知道什么？请编辑您的主要问题，说明您正面临的问题是什么。因为我已经回答了你的问题（可能不是正确的答案，但是），我关心的是，我是否在场景识别方面采取了正确的步骤，以及单应性在这个过程中是否有帮助。你只是把我弄糊涂了。是物体检测还是场景识别？两者都不同。此外，如果你没有看到你试图在什么地方检测到的图像，就很难回答是否需要单应性。