Accumulated Stability Voting: A Robust Descriptor from Descriptors of Multiple Scales-论文详解
这篇论文是2016年的CVPR会议的，在现如今深度学习占据半边天的时代，用传统方法进行匹配难能可贵啊！
该论文，感觉就是2015DSP-SIFT的一个进化，提出了一种二进制描述符，在不同尺度下进行比较，设置一定的阈值。
按照作者的这种思想，很多非二进制描述符都可以进过这种方法，进化为二进制描述符，这有什么了不起的？汉明距离，匹配速度很快啊！
这个图，可以说是论文的核心了。
主要操作：
1.利用特征点在多尺度上进行采样，然后建立描述符
2.对相邻层计算差方，然后选取中值作为一个合适阈值，作为这一部分的阈值，计算二进制数
3.累加二进制数，然后设置一个阈值计算二进制数，作为该特征点的描述符
文中需要设置两个阈值，第一个是相邻层之间做方差之后，需要进行二值化。
tm设置，在中文说中值效果最好了。
然后把，相应的二进制描述符累加，生成一个非二进制描述符，如下式：
最后还要设置一个阈值，来对C进行二值化，在文中叫做Multiple thresholding ，然后就可以成为二进制描述符了，有木有觉得很简单啊？
下面，还有特征差值、Second stage thresholding 设置，这些都是细节了，自己 慢慢体会吧！
有对特征点匹配的可以加群：819853857
