У меня есть два списка, содержащие координаты xy (звезд). Я также мог бы привязать величины (яркости) к каждой звезде. Теперь у каждой звезды есть случайные колебания положения, и на каждом изображении может быть несколько лишних или отсутствующих точек. Мой вопрос: «Каков наилучший алгоритм сопоставления 2D-точек для такого набора данных?» Я предполагаю как для простого линейного (перенос, поворот, масштаб), так и для нелинейного (скажем, полиномы n-й степени в координатах). Говоря языком области сопоставления точек, я ищу алгоритмы, которые одержат победу в перестрелке между программами двумерного сопоставления точек с шумом и ложными точками. Могут быть разные «победители» в зависимости от того, используется ли информация о маркировке (величины) и / или преобразование ограничено линейностью.
Я знаю, что существует много классов алгоритмов сопоставления 2D-точек и множество алгоритмов в каждом классе (буквально, вероятно, всего сотни), но я не знаю, какой из них считать «лучшим» или «самым стандартным». людьми в области компьютерного зрения. К сожалению, у многих статей и статей, которые я хочу прочитать, нет онлайн-версий, и я могу читать только аннотации. Прежде чем я остановлюсь на конкретном алгоритме для реализации, было бы неплохо услышать от нескольких экспертов, чтобы отделить зерна от плевел.
У меня есть работающая программа сопоставления, которая использует треугольники, но она довольно часто дает сбой (~ 5% времени), так что преобразование решения имеет очевидные искажения, но без очевидной причины. Эта программа была написана не мной и взята из статьи, написанной почти 20 лет назад. Я хочу написать новую реализацию, которая работает наиболее надежно. Я предполагаю (надеюсь), что в этой области были достигнуты некоторые успехи, которые делают это правдоподобным.