我正在使用OpenCV 2.4.3 c接口来查找两个图像之间的匹配点 . 第一次尝试是使用SURF . 唯一的问题是消耗时间，所以我尝试了新的FREAK提取器 . 使用SURF进行检测和FREAK进行描述，我意识到FREAK将关键点的数量减少到几乎检测到的一半，并且得到的匹配不够 . 这就是原因，我尝试了FAST以获得更多关键点 . 结果：
-
SURF检测器，SURF提取器，BFMatcher交叉检查true，RANSAC：70关键第一图像，50关键点第二图像，200ms . 250毫秒 . 为15ms . 为15ms .
-
SURF检测器，FREAK提取器，BFMatcher交叉检查true，RANSAC：39个关键点第一个图像，30个关键点第二个图像（FREAK之后），200ms . ，50 ms . ，0ms . ，0ms . 这导致很少有良好的匹配 .
-
FAST检测器，FREAK提取器，BFMatcher交叉检查true，RANSAC：120个关键点，90个关键点，（FREAK后69和48个关键点），10ms . ，450 ms . ，15 ms . ，10 ms .
之后，我使用了ORBFeatureDetector，它获得了与FAST相同数量的关键点，但在FREAK提取器之后，每个图像的结果关键点为0 . 难道我做错了什么？ ORB关键点是否与从FAST获得的关键点不同？也许我可以为此开另一个问题，但我有最后一个问题 . 检测器/提取器的最佳组合是什么才能获得与使用SURF的第一次实验相同的结果，但缩短处理时间？因为虽然我使用了FREAK，但是当我获得更多关键点时，提取器部分也更耗时 .
4 回答
FREAK如果无法为其生成描述符，则会删除点，很多时候会出现在图像的边框中，因为如果它不在边界图像之外，则无法生成描述符 . 我通过在提取前应用ROI来避免此问题 .
我也使用FAST结合FREAK，我得到了最好的结果，但我仍然有减少提取器时间的问题，这对我来说太高了 .
实际上，您使用参数cross check = true . 这也是为什么你的积分被消除的原因 . 当为真时，该参数从计算的角度来看是昂贵的 . 它用于避免在匹配过程中不完全匹配的成对描述符 .
如果您有两组描述符D1和D2，则此参数仅允许在D1-> D2和D2-> D1匹配方向上通常匹配的对 .
那么，这一切都取决于你的应用，也许你不需要那么多的匹配精度......
最好的祝福 .
亚历克斯
除了删除边界点之外，正如Jav_Rock所暗示的那样，点的巨大（不一致？！）减少实际上取决于你存储在keyPoint中的size参数 . 即使您将scaleNormalized设置为false，size参数的浮点值接近零，FREAK也会丢弃此keyPoint . （但我似乎无法弄清楚原因，因为只有当scaleNormalized为true时才使用keyPoint的size-parameter：source）
因此，如果不使用scaleNormalization，请务必将size参数设置为大于零的值（例如一个） .
并将其作为值与单位'pixelsize'（使用scaleNormalization时）进行交互 .
顺便说一句 . default的最小关键点大小为7 .
希望这可以帮助...
FAST只是一个关键点检测器（没有描述符） . 如果您将FAST和用于描述（多尺度）简要结合使用，您将获得ORB .