我正在使用SIFT特征检测器和描述符。我正在匹配两个图像之间的点。我正在使用RANSAC方法使用OpenCV的findHomography()函数。
当我阅读RANSAC算法时，可以说调整RANSAC的阈值参数可以改善结果。但是我不想对任何参数进行硬编码。
我知道RANSAC会删除比赛中的异常值。谁能告诉我在应用单应性之前用基本方法消除异常值(不是全部)可以改善单应性的结果吗？
如果是这样，我们如何在RANSAC之前执行一项操作以消除异常值？
最佳答案
您对好结果的定义是什么？ RANSAC是在点数和它们的精度之间进行权衡，因此没有统一的良好定义:如果其精度较差，您将拥有更多的惯常值，反之亦然。
您正在谈论的参数可能是离群值阈值，可能对其进行了微调，因此您的近似离群值太多或超精确离群值太少。现在，如果您预先过滤了异常值，则可以加快RANSAC的速度，但不太可能改善解决方案。最终，通过同构照相法的RANSAC速度归结为选择4个内点的可能性，当它们的比例较高时，收敛速度更快。
在应用RANSAC之前，对异常值进行分类的其他方法是查看更简单的约束条件，例如点的排序，直线仍为直线，cross-ratio和同形变换的其他不变量。最后，您可能需要使用诸如线之类的高级功能来计算单应性。注意，在齐次坐标中，将点转换为p2 = H * p1时，直线转换为l2 = H-t * l1。实际上，这可以提高精度(因为线是宏特征，并且比关注点的噪声少)，而直线则可以通过霍夫变换来检测。