我正在开发一个需要检测已知对象的多个实例的iPad原型。我正在使用SIFT进行特征检测和描述符提取以及BruteForce匹配器。
我必须解决的第一个问题是如何对匹配进行聚类以分离场景中的每个对象实例。这是通过找到最近的匹配来完成的，使用两个或树步骤来获得最佳结果。
现在我正在研究如何减少异常值，我正在尝试使用比率测试来删除它们。所以，我在这里有两个问题，有人可以帮助我或者更好的方式吗？：
1）之前，我使用 radiusMatch ，但当我尝试使用 knnMatch （k> 1）时，我收到运行时错误。 BruteForce匹配器是否支持knnMatcher？我没有发现任何相关信息。
2）如何将比率测试应用于多个实例？我的意思是，如果我使用knnMatch，我假设我需要将 k 参数与预期对象实例的大量数量一起传递，因此，如何应用测试，例如，< strong> k = 20 ？
Mastering_OpenCV的参考资料：
比率测试第二个众所周知的异常值去除技术是比率测试。我们首先进行KNN匹配，K = 2。两个最近的 每次匹配都会返回描述符。仅在返回时返回匹配项 第一场和第二场比赛之间的距离比足够大 （比率阈值通常接近2）。
韩国社交协会