Task02 Максим Федоров ITMO

[MartinezGitHub]

Перечислите идеи и коротко обозначьте мысли которые у вас возникали по мере выполнения задания, в частности попробуйте ответить на вопросы:

1. Зачем фильтровать матчи, если потом мы запускаем устойчивый к выбросам RANSAC и отфильтровываем шумные сопоставления?
   Фильтровать матчи нужно, потому что так RANSAC будет работать быстрее и будет реже строить гипотезы по нерабочим соответствиям. Чем меньше выбросов до RANSAC, тем устойчивее итоговая оценка гомографии.

2. Cluster filtering довольно хорошо работает и без Ratio test. Однако, если оставить только Cluster filtering, некоторые тесты начнут падать. Почему так происходит? В каких случаях наоборот, не хватает Ratio test и необходима дополнительная фильтрация?
   Cluster filtering проверяет геометрическую согласованность, как я понял, можно даже называть ее "локальной" согласованностью, а Ratio test убирает "неоднозначные" дескрипторы. Поэтому первый лучше ловит геометрический шум, а второй нужен на повторяющихся текстурах, где у точки несколько почти одинаковых соседей.

3. С какой проблемой можно столкнуться при приравнивании единице элемента H33 матрицы гомографии? Как ее решить?
   Если зафиксировать H33 = 1 мы можем получить плохую численную нормализацию в том случае, если настоящий масштаб матрицы неудобный. Более устойчиво оценивать гомографию через SVD или нормализовать матрицу не по одному элементу.

4. Какой подвох таится в попытке склеивать большие панорамы и ортофото методом, реализованным в данной домашке? (Для интуиции можно посмотреть на результат склейки, когда за корень взята какая-нибудь другая картинка)
   Если так сделать, то мы просто накопим ошибки. На больших панорамах это может приводить к несовпадению одних и тех же точек.

5. Как можно автоматически построить граф для построения панорамы, чтобы на вход метод принимал только список картинок?
   Можно попарно сравнить изображения, посчитать для каждой пары число инлайеров и построить граф с весами по качеству совпадения. Дальше взять остов и по нему уже строить панораму.

6. Если с вашей реализацией SIFT пройти тесты не получилось, напишите (если пробовали дебажить), где, как вам кажется, проблема и как вы пробовали ее решать.

7. Если есть, фидбек по заданию: какая часть больше всего понравилась, где-то слишком сложно/просто (что именно), где-то слишком мало ссылок и тд.

// Создайте PR.
// Дождитесь отработки Github Actions CI, после чего нажмите на зеленую галочку -> Details -> The build -> скопируйте весь лог тестирования.
// Откройте PR на редактирование (сверху справа три точки->Edit) и добавьте сюда скопированный лог тестирования внутри тега

 для сохранения форматирования и под спойлером для компактности и удобства:

Github Actions CI

$ ./build/test_sift
Running main() from /home/runner/work/PhotogrammetryTasks2023/PhotogrammetryTasks2023/libs/3rdparty/libgtest/googletest/src/gtest_main.cc
[==========] Running 22 tests from 1 test suite.
[----------] Global test environment set-up.
[----------] 22 tests from SIFT
[ RUN      ] SIFT.MovedTheSameImage
[ORB_OCV] Points detected: 500 -> 500 (in 0.021269 sec)
...
Final score: 239001
[       OK ] SIFT.PairMatching (0 ms)
[----------] 25 tests from SIFT (7264 ms total)
[----------] Global test environment tear-down
[==========] 25 tests from 1 test suite ran. (7264 ms total)
[  PASSED  ] 25 tests.