ContextDesc: Local Descriptor Augmentation with Cross-Modality Context 解读

基于跨模态上下文的局部描述子增强

github:https://github.com/lzx551402/contextdesc
论文:https://arxiv.org/abs/1904.04084
转载注明出处!

1.早期特征设计的目标:

可重复性:相同的“区域”可以在不同的图像中被找到;
可区别性:不同的“区域”有不同的表示;
高效性:同一张图像,特征点的数量应<<像素数量;
本地性:特征仅与一小片图像区域相关;

误匹配 由于图像特征的局部特性,场景中存在大量重复纹理,都有相似的特征描述,仅利用局部特征;
导致误匹配广泛存在,长期以来没有很好的解决办法,成为了制约视觉SLAM性能的一大瓶颈;

2.论文主要思想

通过区域信息和几何结构信息来增强原特征描述子;
它不包含关键点的检测.
加入高阶图像表示的视觉上下文;
加入关键点分布的几何上下文;

在这里插入图片描述

  • 从输入的单张图像中提取:
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值