如何在openCV 3.2.0中使用BruteForce Matching？

Question

我正在使用opencv 3.2.0，并且试图分别进行特征检测，描述符计算以及与FAST，BRISK和BruteForce的描述符匹配。 我在Visual Studio 2017中使用C ++。

std::vector<KeyPoint> keypoints1, keypoints2;
cv::Mat descriptors1, descriptors2;
m_image_A = imread("a.bmp", IMREAD_GRAYSCALE);
m_image_B = imread("b.bmp", IMREAD_GRAYSCALE);
cv::Ptr<cv::FeatureDetector> a = cv::FastFeatureDetector::create();
a->detect(m_image_A, keypoints1);
a->detect(m_image_B, keypoints2);
cv::Ptr<cv::DescriptorExtractor> ex = cv::BRISK::create();
ex->compute(m_image_A, keypoints1, descriptors1);
ex->compute(m_image_B, keypoints2, descriptors2);

cv::Ptr<cv::DescriptorMatcher> matcher;
std::vector<vector<DMatch>> matches;

matcher = cv::BFMatcher::create();
matcher->knnMatch(descriptors1, descriptors2, matches, 2);

这是我的简单代码，无法正常运行。 我阅读了许多代码和技巧，但找不到适合我问题的正确解决方案。

有谁可以帮助我吗？ 如何使它正常运行？

Answer 1

如果该方法不起作用，请使用基于flann的方法，然后再使用单应性方法。 它将为您提供关键点之间的距离的精确结果，以及在任何角度下真正匹配的点数。

Answer 2

BFMatcher构造函数具有参数normType。

BFMatcher::create(NORM_HAMMING, false);

对于SIFT和SURF，可以应用标准的L1规范，但文档中指出应使用BRISK NORM_HAMMING（ https://docs.opencv.org/3.4.0/d3/da1/classcv_1_1BFMatcher.html ）。 也许这可以解决问题。 但是很明显，您必须说明解决方案“无法正常运行”的含义。
尝试使用描述符和匹配技术的不同组合时遇到的另一个问题是某些描述符以二进制格式保存，因此无法使用标准匹配方法轻松进行后处理。