C++ OpenCV-BFMatcher只检查对象上的特征之间的距离，而不检查场景上的特征之间的距离？

我正在运行以下代码。目标是检测“板”上是否存在图片“卡”，这是可能包含该卡的屏幕截图

检测工作几乎完美，但当我试图绘制它时，我注意到有些线相距太远

虽然来自对象的点与场景的距离非常远，但在“场景”中，它们往往相距太远，从而产生错误的结果

从下面的屏幕截图可以看出。该对象在场景中被检测到，但许多线偏离了位置。我也希望把相隔太远的线放下

我认为，通过我的函数，当比较对象上的起点时，它会删除任何相距太远的线。但是，对于场景中相距太远的点，似乎不会发生这种情况。我怎样才能把它们去掉？

bool iscardboard（Mat卡，字符串文件名）{
//--步骤1：使用SURF检测器检测关键点
矢量关键点；
检测器。检测（卡片、关键点和对象）；
//--步骤2：计算描述符（特征向量）
Mat描述符\u对象；
计算（卡片、关键点对象、描述符对象）；
//--步骤3：使用FLANN匹配器匹配描述符向量
//法兰巴斯德匹配器；
BFMatcher匹配器（extractor.defaultNorm（），false）；
标准：：向量匹配；
匹配（描述符\对象、描述符\场景、匹配）；
双最大距离=0；双最小距离=100；
//--快速计算关键点之间的最大和最小距离
对于（int i=0；i最大距离）最大距离=距离；
}
//printf（“--Max dist:%f\n”，Max\u dist）；
//printf（“--最小距离：%f\n”，最小距离）；
//--仅绘制“良好”匹配（即距离小于3*min\u dist）
标准：：矢量良好匹配；
对于（inti=0；i100）{
cout“相距太远的线”如您所说代表异常值：来自
matcher.match的假阳性匹配（描述符\u对象，描述符\u场景，匹配）；

当您估计单应H时，您在内部使用统计方法来拒绝这些异常值。这里使用的方法称为。OpenCV函数中的另一种方法是LMeDS。
正如OpenCV文档中所解释的：RANSAC方法实际上可以处理任意比例的异常值，但它需要一个阈值来区分内部变量和异常值。LMeDS方法不需要任何阈值，但只有当内部变量超过50%时，它才能正常工作

我建议您尝试不同的RANSAC阈值或尝试LMED。
请注意，场景中打印的字符肯定会给出异常值

如果您只想“删除相距太远的线”（为什么？），您可能只想从重新投影对象（？）中的匹配中绘制线
感谢您的澄清，这解释了我目前面临的大量行为。在这种情况下，没有必要删除异常值。事实上：）您也可以根据您的数据考虑预筛选过程。
bool isCardOnBoard(Mat card, string filename) {
         //-- Step 1: Detect the keypoints using SURF Detector

      vector<KeyPoint> keypoints_object;
      detector.detect( card, keypoints_object );


    //-- Step 2: Calculate descriptors (feature vectors)
      Mat descriptors_object;

      extractor.compute( card, keypoints_object, descriptors_object );


      //-- Step 3: Matching descriptor vectors using FLANN matcher
      // FlannBasedMatcher matcher;
      BFMatcher matcher(extractor.defaultNorm(), false);

      std::vector< DMatch > matches;
      matcher.match( descriptors_object, descriptors_scene, matches );

      double max_dist = 0; double min_dist = 100;
      //-- Quick calculation of max and min distances between keypoints
      for( int i = 0; i < descriptors_object.rows; i++ )
      { double dist = matches[i].distance;
        if( dist < min_dist ) min_dist = dist;
        if( dist > max_dist ) max_dist = dist;
      }

      // printf("-- Max dist : %f \n", max_dist );
      // printf("-- Min dist : %f \n", min_dist );

      //-- 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]); 
      }

      if (good_matches.size() > 100) {
        cout << filename << " NOT on the board" << endl;
        return false;
      }

      Mat img_matches;
      drawMatches( card, keypoints_object, board, keypoints_scene,
                   good_matches, img_matches, Scalar::all(-1), Scalar::all(-1),
                   // vector<char>(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS );
                   vector<char>(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS );

      //-- Localize the object
      std::vector<Point2f> obj;
      std::vector<Point2f> scene;

      // cout << good_matches.size() << endl;

      for( int i = 0; i < good_matches.size(); i++ ) {
        //-- Get the keypoints from the good matches
        obj.push_back( keypoints_object[ good_matches[i].queryIdx ].pt );
        scene.push_back( keypoints_scene[ good_matches[i].trainIdx ].pt );
      }

      Mat H = findHomography( obj, scene, RANSAC );

      //-- Get the corners from the image_1 ( the object to be "detected" )
      std::vector<Point2f> obj_corners(4);
      obj_corners[0] = cvPoint(0,0); obj_corners[1] = cvPoint( card.cols, 0 );
      obj_corners[2] = cvPoint( card.cols, card.rows ); obj_corners[3] = cvPoint( 0, card.rows );
      std::vector<Point2f> scene_corners(4);

      perspectiveTransform( obj_corners, scene_corners, H);

      //-- Draw lines between the corners (the mapped object in the scene - image_2 )
      line( img_matches, scene_corners[0] + Point2f( card.cols, 0), scene_corners[1] + Point2f( card.cols, 0), Scalar(0, 255, 0), 4 );
      line( img_matches, scene_corners[1] + Point2f( card.cols, 0), scene_corners[2] + Point2f( card.cols, 0), Scalar( 0, 255, 0), 4 );
      line( img_matches, scene_corners[2] + Point2f( card.cols, 0), scene_corners[3] + Point2f( card.cols, 0), Scalar( 0, 255, 0), 4 );
      line( img_matches, scene_corners[3] + Point2f( card.cols, 0), scene_corners[0] + Point2f( card.cols, 0), Scalar( 0, 255, 0), 4 );

      //-- Show detected matches
      imshow( "Good Matches & Object detection", img_matches );
      waitKey(0);
      return true;
    }