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;
- 从输入的单张图像中提取:
关