python - 当我们已经匹配关键点时，为什么我们需要使用 RANSAC？

Question

我目前正在研究将图像拼接在一起的计算机视觉程序。我使用 KAZE 算法来寻找关键点并描述它们。比我使用蛮力匹配器来匹配它们。从这个阶段开始，我已经准备好缝合它们，我想是因为我知道哪个点属于哪里，对吧？因为我正在研究一些文献等。我看到它们总是匹配关键点，然后使用随机的 RANSAC？当我已经通过蛮力匹配知道哪个关键点属于哪个关键点时，为什么还要使用 Ransac？

谢谢你的回答，祝你有美好的一天

标签： pythoncomputer-visionimage-stitchingkeypointransac

Answer 1

RANSAC（和变体）是一种算法，用于将匹配的关键点稳健地拟合到从一个图像到另一个图像的转换（“扭曲”）的数学模型，例如单应性。这里的关键词是“稳健”：算法非常努力地识别出一个大的（理想情况下是最大的）匹配关键点集，这些关键点是可以接受的，因为它们在支持模型的特定值方面彼此一致。

这样做是因为匹配的关键点对可能是“错误的”，要么是因为匹配算法搞砸了（认为左眼匹配到右眼），要么是因为匹配是正确的，但它不符合模型（认为匹配当两张图像相隔一段时间拍摄时，移动汽车的同一点）。当估计过程不稳健时，这些错误匹配或“异常值”可以（并且通常会）抛出模型估计。