matchFeaturesInRadius
指定半径内找到匹配特性
语法
描述
(也回报之间的距离在一对匹配的特性indexPairs,matchMetric)= matchFeaturesInRadius (___)indexPairs。
(指定选择使用一个或多个输入参数的名称参数除了以前的语法。indexPairs,matchMetric)= matchFeaturesInRadius (___,名称,值)
例子
两个图像之间的匹配特性
垫文件包含一个图像,相机数据加载到工作区中。
data =负载(“matchInRadiusData.mat”);
把相机带来外在。
取向= data.cameraPose2.Rotation;位置= data.cameraPose2.Translation;[rotationMatrix, translationVector] = cameraPoseToExtrinsics(方向、位置);
项目与功能相关的3 d世界点设置一个到第二个图像。
中心= worldToImage (data.intrinsics rotationMatrix、translationVector data.worldPoints);
两者之间的匹配特性特性集内空间约束。
indexPairs1 = matchFeaturesInRadius (data.features1 data.features2,…data.radius data.points2,中心,“MatchThreshold”现年40岁的…“MaxRatio”,0.9);
两者之间的匹配特性特性集不使用空间约束。
indexPairs2 = matchFeatures (data.features1 data.features2,…“MatchThreshold”现年40岁的“MaxRatio”,0.9);
可视化结果并比较两种方法之间的匹配特性。
图次要情节(2,1,1)showMatchedFeatures (data.I1、data.I2 data.points1 (…indexPairs1 (: 1)), data.points2 (indexPairs1 (:, 2)));标题(sprintf (' % d对与空间约束的大小(indexPairs1 1)));次要情节(2,1,2)showMatchedFeatures (data.I1、data.I2 data.points1 (…indexPairs2 (: 1)), data.points2 (indexPairs2 (:, 2)));标题(sprintf (' % d双匹配没有空间限制的大小(indexPairs2 1)));
输入参数
features1- - - - - -功能设置一个
binaryFeatures对象|米1 -N矩阵
特性集指定为一个binaryFeatures对象或一个米1 -N矩阵。矩阵包含了米1功能,N对应于每个特征向量的长度。
你可以获得binaryFeatures对象使用extractFeatures函数的快速视网膜关键点(怪物),面向快速旋转短暂(ORB)或二进制健壮的不变的可伸缩的要点(快)描述符的方法。
数据类型:逻辑|int8|uint8|int16|uint16|int32|uint32|单|双|binaryFeature对象
features2- - - - - -特性集两个
米2 -N矩阵|binaryFeatures对象
特性集2、指定为一个binaryFeatures对象或一个米2 -N矩阵。矩阵包含了米2的特性,N对应于每个特征向量的长度。
你可以获得binaryFeatures对象使用extractFeatures函数的快速视网膜关键点(怪物),面向快速旋转短暂(ORB)或二进制健壮的不变的可伸缩的要点(快)描述符的方法。
数据类型:逻辑|int8|uint8|int16|uint16|int32|uint32|单|双|binaryFeature对象
points2- - - - - -设置两个特征点的特征
米2×2矩阵|米2-element特征点阵列
设置两个特征点的特性,指定为一个米2×2矩阵的格式(xy)或一个米2-element特征点的数组。点特征类型的列表,请参阅点特征类型。
数据类型:单|双|点特征类型
中心- - - - - -将匹配的位置
米1×2矩阵
预计在第二图像的匹配位置对应的特征点features1指定为一个米1×2的坐标矩阵格式(xy]。
数据类型:单|双
半径- - - - - -搜索半径与中心相关点
标量|米1-element向量
搜索半径与中心相关点,指定为一个标量或米1-element向量。当你指定半径作为一个标量值,函数使用相同的搜索半径中心点。
数据类型:单|双
名称-值参数
指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。
R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。
例子:“指标”,固态硬盘的指定的平方的总和差异度量特征匹配。
MatchThreshold- - - - - -匹配阈值
10.0或1.0(默认)|标量值的范围(0,100]
匹配阈值,指定为一个标量值的范围(0100)。默认值是10.0二进制特征向量或1.0对于二进制特征向量。您可以使用匹配阈值选择最强的比赛。阈值代表百分之一的距离一个完美的匹配。
两个特征向量匹配当它们之间的距离小于设定的阈值的MatchThreshold”。函数时拒绝匹配特性之间的距离大于价值的MatchThreshold”。增加价值返回更多的比赛。
输入,binaryFeatures对象匹配阈值通常需要一个更大的值。的extractFeatures函数返回一个binaryFeatures对象提取狂时,ORB,或轻快的描述符。
MaxRatio- - - - - -比率阈值
0.6(默认)|标量值的范围(0,1)
比率阈值,指定为一个标量值的范围(0,1)。使用比拒绝模棱两可的比赛。增加这个值返回更多的比赛。
度规- - - - - -特征匹配度量
固态硬盘的(默认)|“伤心”
特征匹配度量,指定为“伤心”或固态硬盘的。
“伤心” |
的绝对差异 |
固态硬盘的 |
的平方之和的差异 |
这个属性适用于当您指定输入特性集,features1和features2,如矩阵。当你指定特性binaryFeatures对象,函数使用的汉明距离计算相似度度量。
输出参数
matchMetric-距离匹配特性
P1的向量
距离匹配特性,作为一个返回P1的向量。的我th元素matchMetric对应于我th行indexPairs输出矩阵。基于距离度量的值被选中,但总是一个完美的匹配0。当度规是设置为悲伤的或固态硬盘之前,特征向量归一化单位向量计算。函数返回matchMetric作为一个双数据类型时,features1和features2的类型双。否则,返回的类型的向量单。
请注意
你不能选择汉明度规。度规时自动选择features1和features2输入binaryFeatures。
数据类型:单|双
提示
引用
[1]Fraundorfer、弗里德里希·大卫Scaramuzza。“视觉测程法:第二部分:匹配、健壮性、优化和应用。”IEEE机器人和自动化》杂志19日,没有。2(2012年6月):78 - 90。https://doi.org/10.1109/MRA.2012.2182810。
[2]劳,大卫·g·“独特的形象特征尺度不变的要点。”国际计算机视觉杂志》上60,不。2(2004年11月):91 - 110。https://doi.org/10.1023/B: VISI.0000029664.99615.94。
[3]Muja,马吕斯,大卫·g·劳。最近的邻居“快速近似算法自动配置:”第四届国际计算机视觉理论的程序和应用程序,331 - 40。葡京,葡萄牙:SciTePress -科学和技术出版物,2009。https://doi.org/10.5220/0001787803310340。
[4]Muja,马吕斯,大卫·g·劳。“快速匹配二进制的功能。”In2012年第九次会议上电脑和机器人视觉,404 - 10。纽约:电气和电子工程师协会,2012。https://doi.org/10.1109/CRV.2012.60。
