在简要特征描述符（“BRIEF：Binary Robust IndependentElementary Features”，Calonder 等人，2011 年）中，他们研究了五种不同的选择点对来计算描述符向量的二进制值的方法：
在这些方法中，有名为 GI 到 GIV 的方法，它们根据各种分布随机采样点对。
这些点对是针对我们要单独计算描述符的每个关键点进行采样的，还是对这些点对进行一次采样然后对每个关键点保持相同？
是否重用了简要特征描述符中的位置？
信息处理
图像处理
计算机视觉
局部特征
视觉跟踪
2022-02-21 11:45:03
1个回答
在 BRIEF 中使用随机模式时，这意味着您在离线过程中计算了补丁内的随机位置一次，然后在每次计算描述符时使用这些随机位置。这是有道理的，因为这意味着在比较描述符时，您实际上会比较相同的位置，只是采样模式不是通过某种规则或几何方案获得的（这可能是它比手工制作的模式更通用的原因）。
例如，这里是 OpenCV 使用的采样模式。
其它你可能感兴趣的问题