OpenCv：特征匹配，将描述符与knn过滤的关键点匹配？

我有下面的代码，我用它来检测和匹配两幅图像中检测到的关键点。 我检测关键点，并将描述符存储在以下位置：

cv::Mat descCurrent;
cv::Mat descCurrentR;

然后将它们传递给此函数：

std::vector<DMatch> PointMatching::matchPointsOG2(cv::Mat descriptors1Cpu, cv::Mat descriptors2Cpu)
{

    descriptors1GPU.upload(descriptors1Cpu);
    descriptors2GPU.upload(descriptors2Cpu);


    // matching descriptors
    Ptr<cv::cuda::DescriptorMatcher> matcher = cv::cuda::DescriptorMatcher::createBFMatcher(NORM_HAMMING);
    vector<cv::DMatch> matches;
    vector< vector< DMatch> > knn_matches;

    matcher->knnMatch(descriptors1GPU, descriptors2GPU, knn_matches, 2);

    //Filter the matches using the ratio test
    for (std::vector<std::vector<cv::DMatch> >::const_iterator it = knn_matches.begin(); it != knn_matches.end(); ++it) {
        if (it->size() > 1 && (*it)[0].distance / (*it)[1].distance < 0.8) {
            matches.push_back((*it)[0]);
        }
    }


    return matches;

}

std:：vector PointMatching:：matchPointsOG2（cv:：Mat描述符1CPU，cv:：Mat描述符2CPU）
{
描述符1GPU.upload（描述符1CPU）；
描述符2GPU.upload（描述符2CPU）；
//匹配描述符
Ptr matcher=cv:：cuda:：DescriptorMatcher:：createBFMatcher（NORM_HAMMING）；
向量匹配；
向量>knn_匹配；
匹配器->knnMatch（描述符1GPU、描述符2GPU、knn_匹配，2）；
//使用比率测试筛选匹配项
对于（std:：vector:：const_迭代器it=knn_matches.begin（）；it！=knn_matches.end（）；+it）{
如果（it->size（）>1&（*it）[0]。距离/（*it）[1]。距离<0.8）{
匹配。推回（（*it）[0]）；
}
}
返回比赛；
}

然后，一旦我有了匹配，我会这样做：

std::vector<cv::KeyPoint> keyPntsGoodL;
    std::vector<cv::KeyPoint> keyPntsGoodR;
for (size_t i = 0; i < matchR.size(); i++)
            {
                keyPntsGoodL.push_back(keyPntsCurrent[matchR[i].queryIdx]);
                keyPntsGoodR.push_back(keyPntsCurrentR[matchR[i].trainIdx]);

            }

std:：vector keyPntsGoodL；
std：：向量键pntsgoodr；
对于（size_t i=0；i

这一切都是预期的工作，我已经匹配和过滤的关键点。 我的问题是:

如何以相同的方式过滤描述符？ 如果我现在只想得到与

keyPntsGoodL

匹配的初始描述符（descCurrent）的子集，我该怎么做

---

谢谢。

匹配只针对描述符，而不是关键点。。。所以你应该已经有了“好”的描述。嗨，谢谢你的回复。我有匹配最初发现的关键点的描述符。我需要的是对应于从匹配函数返回的过滤关键点的子集。实际上，我在Python中使用它，但想法应该是一样的：使用某个匹配函数在描述符上创建的

匹配对象已经包含匹配的关键点：这是否有帮助？我做不了太多。@anti你有没有想过？