C ++ / OpenCV - 为什么FLANN ::带ORB和LSH的索引工作得非常糟糕？

Question

我在数据库中寻找图片（1000张图片）。为了做到这一点，我使用ORB功能袋。 然后，我使用LSH。

有些事我根本不懂。 有了KD-TREE，我得到了我最近的3个邻居之一，那么其他结果非常糟糕。 我认为这是因为KD-TREE在高维数据中的表现非常糟糕。

指数：[47,194,1118] 区：[0,0.01984383,0.021690277]

然后，当我使用具有汉明距离的LSH时，无论我的查询图像如何，我总会得到相同的不良结果。

指数：[0,1,2] 区：[0,0,0]

 responseDatabase.convertTo(responseDatabase,CV_8U);
 cv::flann::Index flannIndex(responseDatabase,cv::flann::LshIndexParams(20,10,2), cvflann::FLANN_DIST_HAMMING);
cv::Mat results, dists;
 int k=3; // find the 3 nearest neighbors


// search (nearest neighbor)
responseQuery.convertTo(responseQuery,CV_8U);
flannIndex.knnSearch(responseQuery, results, dists, k, cv::flann::SearchParams() );

和

 cv::flann::Index flannIndex(responseDatabase,cv::flann::KDTreeIndexParams,cvflann::FLANN_DIST_EUCLIDEAN);
cv::Mat results, dists;
 int k=3; // find the 3 nearest neighbors


// search (nearest neighbor)
flannIndex.knnSearch(responseQuery, results, dists, k, cv::flann::SearchParams() );

responseQuery - ＆gt; cv :: Mat，包含查询的响应直方图 databaseQuery - ＆gt; cv :: Mat，其中包含我数据库所有图片的响应直方图

我想念一下吗？也许和ORB一样，除了其他东西之外我还有什么需要做的？ 我确切地说，首先我使用SIFT和SURF与LSH和KD-TREE，即使它不完美我也得到了相当不错的结果。

任何人都可以解释为什么吗？我真的不明白为什么。

但是我使用BruteForce-Hamming作为匹配器。