GMS特征点匹配汇报-2017CVPR

GMS:Grid-based Motion Statistics for Fast,Ultra-robust Feature Correspondence
8/40
Feature Matching Introduction
• 由上面这两张拍摄于不同角度的图片可以看出，如果把两张图 片中对应的点连接起来，它们会有一种对应的关系，这种关系可 以用数学方程表示，每一个匹配（或者说这种一一对应的关系、 一致性）就相当于方程的一个解，如果有了足够多的正确匹配， 就可以用这些点去估算方程的参数，就相当于知道了两张图片对 应的几何关系；
Yanshan University
来自百度文库
GMS:Grid-based Motion Statistics for Fast,Ultra-robust Feature Correspondence
5/40
Feature Matching Introduction
Yanshan University
GMS:Grid-based Motion Statistics for Fast,Ultra-robust Feature Correspondence
• 相似度问题 （1）图像检索（Google的定位功能，与数据库对比，找相似度最大的）； （2）对象的识别； （3）重新定位。
Yanshan University
GMS:Grid-based Motion Statistics for Fast,Ultra-robust Feature Correspondence
1/40
Content
Some Background
背景知识
Feature Matching Introduction
特征匹配介绍
Recent Robust Matchers
最新匹配算法
GMS Algorithm
GMS算法
Yanshan University
GMS:Grid-based Motion Statistics for Fast,Ultra-robust Feature Correspondence
GMS:Grid-based Motion Statistics for Fast,Ultra-robust Feature Correspondence
Yanshan University
GMS:Grid-based Motion Statistics for Fast,Ultra-robust Feature Correspondence
•《GMS:Grid-based Motion Statistics for Fast,Ultra-robust Feature Correspondence》，基于网格的运动统计，用于快速、超鲁棒的 特征匹配。主要阐明了Robust Feature Matching and Fast GMS Solution（超强健的特征匹配和GMS算法）问题；
Yanshan University
GMS:Grid-based Motion Statistics for Fast,Ultra-robust Feature Correspondence
4/40
Some Background
作者和论文情况
• 在此之前关于特征匹配的文章有CODE（2016年PAMI）算法和RepMatch (2016年ECCV)算法；
• 在CODE和RepMatch之前的算法虽然可以实现功能，但是质量不高，实际 是没法应用的，CODE算法和RepMatch算法解决了之前不能实现的问题， 实现了提升鲁棒性；
• 特征匹配的目的是去实现别的用途，做三维重构、机器人导航，对速度 要求是很高的；
• GMS算法是对CODE和RepMatch的算法优化，主要是对时间的一个优化， 前面的算法虽然好，但是很慢。
6/40
Feature Matching Introduction
• 特征匹配：所谓特征匹配（FBM），就是指将从影像中提取的 特征作为共轭实体，而将所提特征属性或描述参数（实际上是特 征的特征，也可以认为是影像的特征）作为匹配实体，通过计算 匹配实体之间的相似性测度以实现共轭实体配准的影像匹配方法。 【百度百科】
Yanshan University
GMS:Grid-based Motion Statistics for Fast,Ultra-robust Feature Correspondence
7/40
Feature Matching Introduction
• 请看两张拍摄于不同角度的图片
Yanshan University
• Correspondence（一致性、匹配）的功能就是计算相机的移动， 以及两张图片的一个关系。
Yanshan University
GMS:Grid-based Motion Statistics for Fast,Ultra-robust Feature Correspondence
9/40
Feature Matching Introduction
2/40
Some Background
GMS算
Yanshan University
GMS:Grid-based Motion Statistics for Fast,Ultra-robust Feature Correspondence
3/40
Some Background 作者和论文情况
• 边佳旺，新加坡科技设计大学助理研究员，此篇论文发于2017 年6月，CVPR的一篇文章，是最新的关于特征匹配的文章；
特征匹配的应用
• 那么，有了正确的匹配，将相同的点匹配起来有什么作用呢？ • 两张图片的几何关系
（1）可以知道拿照相机的人从第一张照片到第二张照片的位置变化，可 以知道旋转多少、平移多少，估计相机位置（机器人导航、三位重构的最 重要一步）；
（2）Tracking（跟踪），如果将每帧相对应的几何位置准确的算出来，就 可以画出一个轨迹（导航问题）；
10/40
Feature Matching Introduction
特征匹配的实现
（如何把两张图片中相同的部分找到，再匹配起来呢？）