Pentagon-Match (PMatch)：面向基于局部特征匹配的单应性估计的视不变平面特征识别
计算机视觉与模式识别
2023-05-30 v1
摘要
在计算机视觉中，寻找图像间正确的点对应在许多应用中起着重要作用，如图像拼接、图像检索、视觉定位等。大多数研究工作聚焦于在采用采样方法(如RANSAC)通过重复拟合图像间某种全局变换来验证初始匹配结果之前进行局部特征匹配。然而，错误匹配可能仍然存在。因此，本文提出一种新颖的采样方案Pentagon-Match (PMatch)，利用从中随机采样的五边形来验证初始匹配关键点的正确性。通过确保这些五边形的形状与位置在各种交比(CR)评估下是视不变的，可轻易识别关键点的错误匹配，并利用正确匹配的五边形估计出单应性。实验结果表明，基于LoFTR提供的关键点匹配结果，可在HPatches数据集的平面场景上高效获得高精度的单应性估计。此外，还展示了对上述匹配结果的准确离群点识别以及该方法在多平面情形下的可能扩展。
引用
@article{arxiv.2305.17463,
title = {Pentagon-Match (PMatch): Identification of View-Invariant Planar Feature for Local Feature Matching-Based Homography Estimation},
author = {Yueh-Cheng Huang and Chen-Tao Hsu and Jen-Hui Chuang},
journal= {arXiv preprint arXiv:2305.17463},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2211.03007