循环特征匹配
Loop Feature Matching
你好，我必须为自我运动估计实现特征立体匹配。
来自论文 "Multispectral Stereo Odometry " ：
“右图中使相似度最大化的特征
左图中给定特征的函数被选为
潜在匹配。然后应用阈值以仅保持强
火柴。如上所述，该算法输入了四张图像：
前左 (imLt−1)，前右 (imRt−1)，当前左
(imLt) 和当前权利 (imRt)。进行匹配
以循环方式 [14] 只保留找到它们的特征
所有四张图片的对应关系。图 4 说明了
不同的步骤。我们首先从寻找之间的立体匹配开始
(imLt−1) 和 (imRt−1) (I)。然后，找到顺序匹配项
在 (imRt−1) 和 (imRt) (II) 之间。另一种立体匹配
在 (imLt) 和 (imRt) (III) 之间执行。最后，一个
最后的顺序匹配在 (imLt−1) 和
(imLt) (IV)。在这个阶段，如果开始和结束特征
点相同，则匹配被接受。否则，它是
干脆拒绝了。这个过程是针对所有特征进行的
在第一张图像中提取 (imLt−1)."
我的问题是："identical" 指的是第一个和最后一个特征是什么意思？
"a threshold is then applied" 是什么意思？
这是我从您发布的摘录中了解到的内容：
- 阈值： 我会说匹配过程首先通过比较潜在匹配并计算它们的相似度，然后找到具有最高相似度的匹配来完成。找到它后，您应该将该相似度与 pre-defined 阈值 T 进行比较。如果匹配相似度低于阈值，则丢弃该匹配。为了检测最佳阈值 T，我会尝试一些值，看看会发生什么。
- 完全相同的匹配：据我了解，作者在循环中进行匹配过程：从imL(t-1)中的点P开始，他们进行立体对 imR(t-1) 的匹配过程，然后是 imR(t-1) 和 imR(t) 之间的顺序匹配，然后是 imR(t) 和 imL(t) 之间的立体匹配，最后是 imL(t) 之间的顺序匹配)和imL(t-1)，得到一个新的点Q。如果P和Q是同一个点（大概是空间坐标），则认为循环匹配过程成功。
编辑：能否添加论文标题？
你好，我必须为自我运动估计实现特征立体匹配。 来自论文 "Multispectral Stereo Odometry " ： “右图中使相似度最大化的特征 左图中给定特征的函数被选为 潜在匹配。然后应用阈值以仅保持强 火柴。如上所述，该算法输入了四张图像： 前左 (imLt−1)，前右 (imRt−1)，当前左 (imLt) 和当前权利 (imRt)。进行匹配 以循环方式 [14] 只保留找到它们的特征 所有四张图片的对应关系。图 4 说明了 不同的步骤。我们首先从寻找之间的立体匹配开始 (imLt−1) 和 (imRt−1) (I)。然后，找到顺序匹配项 在 (imRt−1) 和 (imRt) (II) 之间。另一种立体匹配 在 (imLt) 和 (imRt) (III) 之间执行。最后，一个 最后的顺序匹配在 (imLt−1) 和 (imLt) (IV)。在这个阶段，如果开始和结束特征 点相同，则匹配被接受。否则，它是 干脆拒绝了。这个过程是针对所有特征进行的 在第一张图像中提取 (imLt−1)."
我的问题是："identical" 指的是第一个和最后一个特征是什么意思？ "a threshold is then applied" 是什么意思？
这是我从您发布的摘录中了解到的内容：
- 阈值： 我会说匹配过程首先通过比较潜在匹配并计算它们的相似度，然后找到具有最高相似度的匹配来完成。找到它后，您应该将该相似度与 pre-defined 阈值 T 进行比较。如果匹配相似度低于阈值，则丢弃该匹配。为了检测最佳阈值 T，我会尝试一些值，看看会发生什么。
- 完全相同的匹配：据我了解，作者在循环中进行匹配过程：从imL(t-1)中的点P开始，他们进行立体对 imR(t-1) 的匹配过程，然后是 imR(t-1) 和 imR(t) 之间的顺序匹配，然后是 imR(t) 和 imL(t) 之间的立体匹配，最后是 imL(t) 之间的顺序匹配)和imL(t-1)，得到一个新的点Q。如果P和Q是同一个点（大概是空间坐标），则认为循环匹配过程成功。
编辑：能否添加论文标题？