（二）特征匹配

特征匹配

　　特征匹配，又可以称之为数据关联。在图像领域中，特征匹配的作用非常大。比如：

1. 在图像拼接中，需要进行特征匹配，方便求出单应矩阵以拼接两幅图像；
2. 在三维重建中，需要进行特征匹配，方便求出变换矩阵以及三角化特征点；
3. 在图像检索中，可以通过特征点在数据库中检索，查找到特征匹配数量最多的识别结果；
4. ...

　　 检索部分暂时不提，毕竟涉及到了复杂的数据结构。并且在SLAM中用的并不多，虽然在回环检测中需要用到。但是，这是后续的事情了。

> >  特征匹配的前提：

特征描述子的特异性和可重复性：特征描述子是在图像中利用邻域信息对关键点进行描述，得到一组描述向量。通常对于两帧具有部分重复纹理的地方，同一个位置的特征描述子应该是一样的。但是由于光照、遮挡、旋转和尺度等变化，导致同样的地方看起来却又不太一样。但是总体来说，只要是同一个地方，特征描述子的差别就不应该太大。

相似度度量方法：基于这个事实，特征匹配的目的就是在两个有重复纹理的图像中，将同一个位置的特征描述子关联起来。通常特征描述子是一组向量，比如 $x = {x_1, x_2, ...,x_n}$，同理，另一张图像中的同个位置描述向量为 $y = {y_1, y_2, ..., y_n} $，将其在超平面中画出来，就可以通过度量其距离来判断其相似度。比如 $n = 2/3$ 时，在坐标系中画出来，可以非常直观的看出来两个向量的距离。

>>  特征匹配的方法：