计算机视觉——SIFT特征匹配RANSAC剔除错误

源码地址：https://github.com/AOYLAOTANG/Computer-Vision/tree/main/sift%E6%94%B9%E8%BF%9B

一、基本原理

 Sift是计算机视觉里面一个提取特征的经典方法，翻译即尺度不变特性转换，他在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，局部影像特征的描述与侦测可以帮助辨识物体，SIFT特征是基于物体上的一些局部外观的兴趣点而与影像的大小和旋转无关。对于光线、噪声、些微视角改变的容忍度也相当高，其基本步骤一般分为：用高斯核构建尺度空间，形成高斯金字塔，在DoG尺度空间中检测极值点，计算特征点方向，计算128维描述子。

本文内容主要是实现ransac算法，其基本思想就是对处理数据进行随机采样，然后利用采样的数据对所有数据进行误差评估，每一次采样都会得到一个结果，在经历足够多次采样之后可以找到一次采样使误差达到最小，这就是ransac的基本思想。

 

二、核心代码

Sift的实现代码是https://www.cs.ubc.ca/~lowe/keypoints/网站上下载的，这个应该是 加拿大University of British Columbia 大学计算