为什么opencv FREAK提取器会删除这么多关键点，特别是使用ORB检测器

Question

我正在使用OpenCV 2.4.3 c ++界面来查找两个图像之间的匹配点。第一次尝试是使用SURF。唯一的问题是消耗时间，所以我尝试了新的FREAK提取器。使用SURF进行检测和FREAK进行描述，我意识到FREAK将关键点的数量减少到几乎检测到的一半，并且得到的匹配不够。这就是原因，我尝试了FAST以获得更多关键点。结果：

1. SURF检测器，SURF提取器，BFMatcher交叉检查true，RANSAC：70关键第一图像，50关键点第二图像，200ms。 250毫秒。为15ms。为15ms。
2. SURF检测器，FREAK提取器，BFMatcher交叉检查true，RANSAC：39个关键点第一个图像，30个关键点第二个图像（FREAK之后），200ms。，50 ms。 ，0ms。，0ms。结果是匹配得太少了。
3. FAST检测器，FREAK提取器，BFMatcher交叉检查true，RANSAC：120个关键点，90个关键点，（FREAK后69和48个关键点），10ms。，450 ms。，15 ms。，10 ms。

之后，我使用了ORBFeatureDetector，它获得了与FAST相同数量的关键点，但在FREAK提取器之后，每个图像的结果关键点为0。难道我做错了什么？ ORB关键点是否与从FAST获得的关键点不同？ 也许我可以为此开另一个问题，但我有最后一个问题。检测器/提取器的最佳组合是什么才能获得与使用SURF的第一次实验相同的结果，但缩短处理时间？因为当我获得更多关键点时，提取器部分也更耗时，尽管我使用FREAK。

Answer 1

FREAK如果无法为其生成描述符，则会删除点，很多时候会出现在图像的边框中，因为如果它不在边界图像之外，则无法生成描述符。我通过在提取前应用ROI来避免这个问题。

我也使用FAST结合FREAK，我得到了最好的结果，但我仍然有减少提取器时间的问题，这对我来说太高了。

Answer 2

实际上，您使用参数cross check = true。这也是为什么你的积分被消除的原因。当为真时，该参数从计算的角度来看是昂贵的。它用于避免在匹配过程中不完全匹配的成对描述符。

如果你有两组描述符D1和D2，那么，这个参数只允许在D1->中通常匹配的对。 D2和D2-> D1匹配方向。

然后，这一切都取决于你的应用程序，也许你不需要那么多的匹配精度......

最好的问候。

亚历

Answer 3

除了删除边界点之外，正如Jav_Rock建议的那样，点数的巨大（不一致？！）减少实际上取决于你存储在keyPoint中的size-parameter。即使您将scaleNormalized设置为false，size参数的浮点值接近零，FREAK也会丢弃此keyPoint。 （但我似乎无法弄清楚原因，因为只有当scaleNormalized为true时才使用keyPoint的size-parameter：source）

因此，如果您没有使用scaleNormalization，请务必将size参数设置为大于零的值（例如一个）。
并将其作为一个值与单位＆＃39; pixelsize＆＃39; （使用scaleNormalization时） 顺便说一句。 default的最小关键点大小为7。

希望这会有所帮助......

Answer 4

FAST只是一个关键点检测器（没有描述符）。如果您将FAST和用于描述（多尺度）简要结合使用，您将获得ORB。