実験的な2D特徴マッチングアルゴリズム

詳細説明

このセクションでは次のマッチング手法について説明する:

• GMS: Grid-based Motion Statistics, [28]
• LOGOS: Local geometric support for high-outlier spatial verification, [180]

関数
void	cv::xfeatures2d::matchGMS (const Size &size1, const Size &size2, const std::vector< KeyPoint > &keypoints1, const std::vector< KeyPoint > &keypoints2, const std::vector< DMatch > &matches1to2, std::vector< DMatch > &matchesGMS, const bool withRotation=false, const bool withScale=false, const double thresholdFactor=6.0)
	[28] で説明されているGMS（Grid-based Motion Statistics）特徴マッチング手法。
void	cv::xfeatures2d::matchLOGOS (const std::vector< KeyPoint > &keypoints1, const std::vector< KeyPoint > &keypoints2, const std::vector< int > &nn1, const std::vector< int > &nn2, std::vector< DMatch > &matches1to2)
	[180] で説明されているLOGOS（Local geometric support for high-outlier spatial verification）特徴マッチング手法。

関数詳解

matchGMS()

void cv::xfeatures2d::matchGMS	(	const Size &	size1,
		const Size &	size2,
		const std::vector< KeyPoint > &	keypoints1,
		const std::vector< KeyPoint > &	keypoints2,
		const std::vector< DMatch > &	matches1to2,
		std::vector< DMatch > &	matchesGMS,
		const bool	withRotation = false,
		const bool	withScale = false,
		const double	thresholdFactor = 6.0 )

Python:
	cv.xfeatures2d.matchGMS(	size1, size2, keypoints1, keypoints2, matches1to2[, withRotation[, withScale[, thresholdFactor]]]	) ->	matchesGMS

#include <opencv2/xfeatures2d.hpp>

[28] で説明されている GMS (Grid-based Motion Statistics) 特徴マッチング手法。

引数

size1	image1 の入力サイズ。
size2	image2 の入力サイズ。
keypoints1	image1 の入力キーポイント。
keypoints2	image2 の入力キーポイント。
matches1to2	入力の1-最近傍マッチ。
matchesGMS	GMS マッチング手法が返すマッチ。
withRotation	回転変換を考慮する。
withScale	スケール変換を考慮する。
thresholdFactor	値が大きいほど、マッチ数は少なくなる。

覚え書き

GMS は特徴の数が多いときによく機能するため、ORB 特徴を使用し、FastThreshold を0に設定して、できるだけ多くの特徴を素早く取得することを推奨する。マッチング結果が満足のいくものでない場合は、特徴をさらに追加するとよい。（640 X 480 の画像には10000を使用している。）画像に大きな回転やスケール変化がある場合は、withRotation または withScale を true に設定すること。

matchLOGOS()

void cv::xfeatures2d::matchLOGOS	(	const std::vector< KeyPoint > &	keypoints1,
		const std::vector< KeyPoint > &	keypoints2,
		const std::vector< int > &	nn1,
		const std::vector< int > &	nn2,
		std::vector< DMatch > &	matches1to2 )

Python:
	cv.xfeatures2d.matchLOGOS(	keypoints1, keypoints2, nn1, nn2	) ->	matches1to2

#include <opencv2/xfeatures2d.hpp>

[180] で説明されている LOGOS (Local geometric support for high-outlier spatial verification) 特徴マッチング手法。

引数

keypoints1	image1 の入力キーポイント。
keypoints2	image2 の入力キーポイント。
nn1	image1 の各記述子に対する最も近い BoW セントロイドへのインデックス。
nn2	image2 の各記述子に対する最も近い BoW セントロイドへのインデックス。
matches1to2	LOGOS マッチング手法が返すマッチ。

覚え書き

このマッチング手法は、大規模なデータベースに対する特徴マッチングに適している。最初のステップは、代表的な画像データベースから bag-of-words (BoW) を構築することである。次に、画像記述子は最も近いコードベクトル（最近傍 BoW セントロイド）で表現される。