GMS特征匹配 原文和代码详细解读GMS: Grid-based Motion Statistics for Fast, Ultra-robust Feature Correspondence

GMS: Grid-based Motion Statistics for Fast, Ultra-robust Feature Correspondence 代码解读

 
论文原文地址:GMS: Grid-based Motion Statistics for Fast, Ultra-robust Feature Correspondence
代码地址:github
 

1 论文核心思路

 论文认为:匹配对应该是平滑的,对于true match pair(l1,r1),l1附近的特征点对应的匹配点也应该在r1附近.
 ① 利用上面的平滑性质,建立统计分析模型(二项分布),过滤ORB matches中的false matches;
 ② 通过划分栅格来加速真假判断过程,两张图像各划分成m * m块,只需要对各块内及邻块的Feature统计,m建议是20;
 ③ 对于匹配块(pl1,pr1),对相邻的n * n块,分别进行统计,比如统计pl1的左上块与pr1的左上块的匹配数目,其他类似,以共同验证(pl1,pr1)是否是正确匹配块.这里n建议是3.
 ④ 论文验证了这个思路的可行性.
 

1.1 GMS系统概述

下图中，红星表示的是GMS，可以看出，确实很厉害，精度和时间都很好。

下面这张图是GMS整体思路的总结，主要利用了平滑性质。

 

1.2 统计概率模型

下图是论文提到的统计概率模型，公式符号较多，建议结合论文阅读。

下图中，最大化P是为了将false