opencv - BruteForce Feature Matching 如何计算 "distance"值？

Question

我编写了一个应用程序来检测关键点、计算它们的描述符并将它们与 OpenCV 中的 BruteForce 相匹配。这就像一个魅力。

但是:匹配对象中的距离是如何计算的？

例如:我正在使用 SIFT 并获得每个关键点具有 128 个浮点值的描述符向量。在匹配中，将关键点与例如 10 个具有相同矢量大小的其他描述符进行比较。现在，我得到了距离为 0.723 的“最佳匹配”。

这是一个向量到另一个向量的所有 float 的每一个欧氏距离的平均值吗？我只想了解这个值是如何产生的。

Answer 1

默认情况下，根据 Open-CV 文档，BFMatcher 使用 L2 范数。

C++: BFMatcher::BFMatcher(int normType=NORM_L2, bool crossCheck=false )

Parameters: 
normType – One of NORM_L1, NORM_L2, NORM_HAMMING, NORM_HAMMING2. 
L1 and L2 norms are preferable choices for SIFT and SURF descriptors ...

参见:http://docs.opencv.org/modules/features2d/doc/common_interfaces_of_descriptor_matchers.html?highlight=bruteforcematcher#bruteforcematcher

最佳匹配是与所有其他特征向量相比距离最短的特征向量。