[depth map by sift descriptor] How can I get good consistent matchings?

0512論調思索

Pixels matching??

針對對應的epipolar line上各pixels
使用sift descriptor 128維的差值平方和
選出最適合的4位候選人
4位??
在此4只是一個任意選取的數值
不單純只選最接近者 => 擔心因為在epipolar line有相似但卻不正確的點影響consistent matching的結果 造成consistent matching太少
                                     => 似乎過度擔心了 在consistent matching再說明

major angle 反鏡射象限判定法 加入於何處??

Consistent matching??

法一  藉由兩張圖各自matching做比對 關鍵 : 每個pixel對應到的epipolar line是有差距的
          若左圖P1找到右圖四個候選人此四個候選人 各自對回左圖的epipolar line上的四個候選人 擁有座標位置最接近P1者
          則相信 右圖上此點為 consistent matching

法二以下先刪

回到原點…. 思索打結的原因 是因為與之前feature matching搞混

在這邊我們可以允許因為遮擋效益而導致的不同pixel match到相同的點
並不用在意一定要一對一
唯一的問題是如何matching的準而已
那從matching的最根本來看
一個pixel勢必要在epipolor line上面選出 " 一 " 最適合的點
這和各個pixel會不會matching到同一點不太一樣
因此候選人機制或許可以刪除
直接選擇epipolor line上獨一無二的點即可
也就是差異最小者要與差異次小者需有很大的差距
且盡可能針對major orienation在同樣象限上以避免鏡射的問題

0513實驗結果

此張圖片是以pixel做單邊matching限制在針對前景做處理條件下
以1. 加入pixel 128維energy差值
    2. 修正orientation 限制鏡射的產生
    3. 最大energy差值需小餘次大energy差值得0.8倍
在204 x 153 情況下可得28組matching

結果並非不好
只是架構點卻集中在衣服邊緣上
對於臉部重建幫助有限

明天將會比較sift與epi跑出結果的差異
並修改sift並做新的演算法測試

廣告

發表迴響

在下方填入你的資料或按右方圖示以社群網站登入:

WordPress.com Logo

您的留言將使用 WordPress.com 帳號。 登出 / 變更 )

Twitter picture

您的留言將使用 Twitter 帳號。 登出 / 變更 )

Facebook照片

您的留言將使用 Facebook 帳號。 登出 / 變更 )

Google+ photo

您的留言將使用 Google+ 帳號。 登出 / 變更 )

連結到 %s