C++ OpenCV-FLANN算法没有'；无法获得足够的匹配点

我是计算机视觉的新手。 我使用OpenCV提出的算法，在对拍摄图像的摄像机进行旋转平移后，计算相同环境（城市鸟瞰图）的两个场景之间的一些匹配点。 相机和环境都是模拟的（因此亮度没有变化，没有失真等） 显然，帧速率足够高，以便使图像大部分重叠。 之后，我必须使用这一点来计算仿射变换矩阵，该矩阵描述了相机所做的运动（拍摄图像的高度不会随时间变化）。 所以我需要，对于每两张图像，至少2个匹配点。。 我的问题是匹配点通常小于3。。 是否存在更适合我的健壮方法？

---

谢谢

我认为您给出的示例中实现的过滤非常幼稚。假设你得到一个分数很高的匹配（w.r.t描述符之间的距离），那么

min\u dist

非常小，可能会过滤掉好的匹配。换句话说，具有最佳分数的匹配不一定是几何上的最佳匹配（两个特征看起来非常相似，但不是真实世界的对应）

您可以尝试做的是：

• 删除过滤实现；保留所有的火柴
• 使用

  findHomography（）

  • findHomography（）

    允许您使用

    mask

    来跟踪入口
• 仅绘制在

  mask

---

这应该是一个更好的验证。

是否使用链接的代码？它应该是健壮的（至少在你描述的情况下应该是有效的）。是的，完全一样。从某种意义上说，匹配总是精确的，但奇怪的是，即使图像做了很小的移动，只改变了几个像素（比如说不超过10个），匹配也很少！在过滤之前，您有多少个匹配项（用

/--仅绘制“良好”匹配项进行注释）

）？不移动相机：大约312；小动作：约290。问题是，如果我增加最小距离，它会发现错误的匹配，这意味着你有大约300个匹配的特征点，最后除了三个之外，所有的特征点都被过滤掉了，对吗？如果你画了所有的匹配（没有过滤任何东西），你有好的匹配吗？比例是多少？