深度学习时代的稀疏特征提取和匹配

文章预览

转自：B站 https://zhuanlan.zhihu.com/p/598325804 关键词：feature matching, correspondence, keypoint detection 1、Introduction 特征匹配要匹配的点应该是在三维场景中一点在不同相机上的成像，我们可以根据匹配的特征（点）来求解相机位姿和重建场景的 稀疏点云 ，特征匹配任务是三维视觉中的一个基础任务，slam和sfm等诸多任务都要在其基础上进行，特征匹配方法的好坏会对这些下游任务产生直接影响。 广义的 稀疏特征匹配 可以分为（1）关键点提取（keypoint detection）和描述子生成(descriptor)，（2）根据描述子进行匹配(feature matching)和（3）最后进行外点过滤(outlier rejection)等步骤，与其相似的是 光流法 ，光流法通常被认为是稠密特征匹配，有其特殊的应用场景和优点，但是不在本文章讨论范围内。对于两张对同一场景在不同角度拍摄的图片，如果对一张图片上所有的 ………………………………