Laboratoire d’appariement — filtres, inliers géométriques et vérité connue

Comparer les correspondances

Enregistrez le cas initial comme A, puis comparez les appariements bruts, une rotation, une échelle ou des motifs en B. Cercles bleus et traits pleins : acceptés et vrais ; croix violettes et traits pleins : acceptés mais faux. Pointillés gris : rejet du descripteur ; tirets orange : rejet géométrique. Sur mobile, les images sont empilées. Réinitialiser restaure les valeurs ; partager reproduit les réglages actuels, pas A.

Des points aux descripteurs

Le détecteur Shi–Tomasi commun sélectionne au plus 80 points par image. Un descripteur est un patch gris valide de 9×9 pixels, brut ou centré puis normalisé en L2. La distance est euclidienne L2. Le filtre de rapport exige deux voisins et strictement d1 < limite × d2 ; une seconde distance nulle échoue. Le filtre mutuel exige des plus proches voisins réciproques. La normalisation peut traiter un gain sans écrêtage, mais n’apporte aucune invariance en rotation ou en échelle. Ce n’est ni ORB ni SIFT.

Géométrie et vérité connue

La vérification optionnelle estime une similitude : translation, rotation et échelle uniforme, sans cisaillement ni perspective. Elle teste toutes les hypothèses issues de deux paires, exige trois soutiens au minimum, réestime une fois puis vérifie les résidus en pixels cible. Moins de trois candidats ou aucun modèle utilisable signifie aucun appariement accepté. Désactivée, elle laisse les filtres de descripteurs décider ; les métriques du modèle sont indéfinies.

Le ratio d’inliers divise les inliers du modèle par les candidats filtrés. La fraction vraie des appariements acceptés utilise séparément la transformation connue et une tolérance fixe de 3 pixels. Le RMS vrai mesure les erreurs de position, le RMS du modèle ses résidus. Le RMS sur grille compare les transformations sur une grille visible fixe. Dénominateur vide : —. Un modèle faux peut avoir de faibles résidus, comme le montre le cas à 30°. Les motifs répétés ne prouvent pas l’identité d’un objet.

Exemples enregistrés

Ces valeurs sont calculées avec les préréglages fournis. Images, masques et transformations reprennent le laboratoire d’extraction : interpolation bilinéaire, moyenne carrée, gain, bruit uniforme fixe, écrêtage. Les gris codés ne sont pas une luminance physique ; la réduction n’a pas de préfiltre anticrénelage. Les sources définissent seuils, égalités, masques et grille. Le JSON conserve pixels et toutes les paires proposées.

Diagram 1 · Use the button to switch views

Poursuivre l’apprentissage

• Laboratoire d’extraction
• Théorie du suivi de points
• Vue d’ensemble de Visual SLAM
• Sources, modèle et tests de référence
• Métriques enregistrées en JSON
• Référence d’appariement OpenCV

Suivre ces points entre deux images dans le Lab de flux optique.

Lab de luminosité et luminance — exposition, gamma et écrêtage