回答

2

您的問題可能以您嘗試訪問特徵向量的方式存在。

在您爲示例發佈的鏈接中,變量descs是一個3維數組,前兩個維度指示要訪問哪個特徵向量,而第三個維度是實際描述符向量。換句話說,即可以訪問所有的技藝矢量的方法是通過這樣的:

descs [i] [j]

在與該預定義的參數此特定實例中(步驟= 180,半徑= 58,環= 2,直方圖= 6),您正在構建長度爲104的特徵向量。

矢量的長度來自於對於13個圓形區域中的每一個具有8個定向倉(#rings x #histograms + 1,其中#環= 2,#直方圖= 6,對於該特定示例,1是針對中央區域)位於58像素的半徑內。

壯舉。長度=#地區x#地區= 8 x 13 = 104

希望這可以幫助你解決你的問題。

+0

非常感謝答案,所以這意味着如果矢量的形狀是(2,3,104),這意味着總識別的關鍵點/特徵是6(2 * 3),我們將得到6個描述符向量每個關鍵點檢測到的長度爲104? ,你能建議任何描述符匹配器和距離度量來比較這些描述符向量嗎?像篩選有flann匹配。 –

+0

這是正確的,這意味着你有6個專長。向量。 我不知道如何匹配這種類型的特徵向量,但只是找到了一個基於菊花描述符的面對匹配研究。該論文的鏈接是:http://www.eurecom.fr/en/publication/3185/download/mm-publi-3185.pdf –