Computer vision 循环特征匹配

你好，我已经实现了功能立体匹配的运动估计。 摘自“多光谱立体里程计”一文： “右侧图像中使相似性最大化的特征 左图像中给定特征的函数被选为 潜在匹配。然后应用阈值仅保持强匹配 匹配。如上所述，该算法提供了四幅图像： 前左（imLt）−1） ，前右（imRt）−1） ，当前左 （imLt）和右电流（imRt）。执行匹配 以循环方式[14]仅保留找到其 所有四幅图像的对应关系。图4说明了 不同的步骤。我们首先从查找两个对象之间的立体声匹配开始 （imLt−1） 和（imRt）−1） （I）.然后，找到顺序匹配 中间（imRt）−1） 和（imRt）（II）.另一种立体匹配 在（imLt）和（imRt）（III）之间执行。最后 在（imLt）之间执行最后一次顺序匹配−1） 及 （imLt）（IV）。在此阶段，如果开始和结束功能 如果分数相同，则接受匹配。否则，将接受匹配 简单拒绝。此过程针对所有功能执行 在第一幅图像（imLt）中提取−1） "

我的问题是：当“相同”指的是第一个和最后一个特性时，它意味着什么？ “然后应用阈值”是什么意思

---

这是我从你发布的摘录中了解到的：

• 阈值化：我认为匹配过程首先通过比较潜在匹配并计算它们的相似性来完成，然后通过找到具有最高相似性的匹配来完成。找到后，应将该相似性与预定义的阈值T进行比较。如果匹配相似性低于阈值，则放弃匹配。为了检测最佳阈值T，我会尝试一些值，看看会发生什么
• 相同匹配：据我所知，作者在循环中执行匹配过程：从imL（t-1）中的点P开始，他们对imR（t-1）执行立体匹配过程，然后在imR（t-1）和imR（t）之间执行顺序匹配，然后在imR（t）和imL（t）之间执行立体匹配以及imL（t）和imL（t-1）之间的最终顺序匹配，获得新的点Q。如果P和Q是同一点（可能在空间坐标方面），则认为循环匹配过程成功

编辑：请加上论文的标题好吗