Opencv 在进行特征匹配之前，如何从锚定图像中识别接近重复的特征？
在锚定图像/模型和场景之间进行特征匹配时，如果锚定图像包含几乎重复的特征，则某些匹配将不正确 我们当前的实现目前使用的是以下方法，其灵感来源于Lowe最初的SIFT纸：Opencv 在进行特征匹配之前，如何从锚定图像中识别接近重复的特征？,opencv,image-processing,computer-vision,Opencv,Image Processing,Computer Vision,在锚定图像/模型和场景之间进行特征匹配时，如果锚定图像包含几乎重复的特征，则某些匹配将不正确 我们当前的实现目前使用的是以下方法，其灵感来源于Lowe最初的SIFT纸： std:：shared_ptr PlanaDetectorTracker:：filterNotUniqueFeatures( 标准：：共享ptr功能，最小浮动距离） { cv:：Ptr matcher=cv:：BFMatcher:：create（cv:：NORM_HAMMING，false）； 向量匹配； std：：向量关键点过
std:：shared_ptr PlanaDetectorTracker:：filterNotUniqueFeatures(
标准：：共享ptr功能，最小浮动距离）
{
cv:：Ptr matcher=cv:：BFMatcher:：create（cv:：NORM_HAMMING，false）；
向量匹配；
std：：向量关键点过滤；
cv:：Mat描述符\u过滤；
匹配器->knnMatch（特征->描述符（），特征->描述符（），匹配，2）；
如果（！matches.empty（））{
for（int i=0；i最小距离）{
已筛选关键点。向后推（功能->关键点（）[匹配[i][1].trainIdx]）；
描述符\u已筛选。向后推（功能->描述符（）.row（匹配[i][1].trainIdx））；
}
}
}
返回标准：：使共享（关键点过滤，描述符过滤）；
}