Robustes Wide-Baseline Stereo Matching

Die Arbeit adressiert die Herausforderung des Wide Baseline Stereo Matchings, also der Zuordnung korrespondierender Bildpunkte in überlappenden Bildern mit stark unterschiedlichen Kameraperspektiven. Dies ist eine grundlegende Aufgabe in der Computer Vision mit Anwendungen in der Objekterkennung, automatischen Kameraorientierung, 3D-Rekonstruktion und Bildregistrierung. Herkömmliche Verfahren funktionieren zuverlässig in Szenarien mit ausreichend markanter Textur. Bei schwach texturierten Szenen versagen sie jedoch oft. Bisherige Lösungsansätze sind oft sehr komplex, problemspezifisch, aufwendig in der Implementierung und schwer auf neue Problemstellungen übertragbar. Die vorliegende Arbeit konzentriert sich daher auf die Entwicklung eines robusten und generischen statistischen Modells, das diese Einschränkungen überwindet.

Der Kernbeitrag dieser Arbeit ist die Entwicklung eines generischen statistischen Modells für Wide Baseline Stereo Matching. Dieses Modell integriert verschiedene Bildmerkmalstypen, Ähnlichkeitsmaße und räumliche Beziehungen als Informationsquellen in einer nahtlosen und kohärenten Weise. Das Modell basiert auf einer Bayesianischen Formulierung, die eine klare Interpretation als Maximum-a-posteriori (MAP)-Schätzung eines binären Klassifikationsproblems erlaubt. Es wird letztendlich als globales Minimierungsproblem formuliert und kann mit Standard-Optimierungsverfahren gelöst werden. Der konkrete Typ der verwendeten Bildmerkmale, Ähnlichkeitsmaße und räumlichen Beziehungen ist nicht vorgegeben, was die Flexibilität und Anwendbarkeit des Modells erhöht. Ein großer Vorteil ist die implizite Kompensation von Schwächen einzelner Informationsquellen durch die Stärken anderer. Die Arbeit demonstriert die Leistungsfähigkeit des entwickelten Algorithmus an verschiedenen Datensätzen, sowohl an Standard-Datensätzen als auch an speziell für schwach texturierte Szenen ausgewählten Datensätzen.

Wide Baseline Stereo Matching Algorithmen finden breite Anwendung in der Computer Vision. Die Arbeit konzentriert sich auf die automatische Kameraorientierung, insbesondere bei schwach texturierten Szenen, eine herausfordernde Aufgabe. Das Modell geht davon aus, dass jedes Merkmal durch seine Position (x, y) im Bildkoordinatensystem und eine charakteristische Orientierung α beschrieben werden kann. Die Form der Merkmalsregion wird entweder durch eine Ellipse oder ein Liniensegment repräsentiert. Die Orientierung α wird je nach Merkmalstyp unterschiedlich interpretiert: Bei elliptischen Merkmalen wird sie durch die dominante Gradientenorientierung bestimmt, bei Liniensegmenten durch die Linienrichtung (unter Berücksichtigung der 180-Grad-Ambiguität). Verschiedene Merkmalsdetektoren, wie der SIFT-Detektor (Lowe, 2004) und der Hessian-Affine-Detektor (Mikolajczyk und Schmid, 2004), werden betrachtet und im Kontext der Merkmalsextraktion und -beschreibung diskutiert. Die Auswahl und Kombination von Merkmalsdetektoren und Deskriptoren ist entscheidend für die Qualität der Ergebnisse.

Die Arbeit nutzt den weit verbreiteten SIFT-Deskriptor (Lowe, 2004) für punktförmige Merkmale. Die Auswahl potenzieller Übereinstimmungen erfolgt mithilfe der BestMatch-k-Methode. Diese Methode berücksichtigt die Rangfolge der Ähnlichkeit der Deskriptoren. Im Gegensatz zu herkömmlichen Ansätzen, die einen festen Schwellenwert verwenden, wird hier ein weicherer Ansatz gewählt, der auf der Deskriptorähnlichkeit basiert. Der Wert von k wird empirisch anhand von ROC-Kurven (Receiver Operating Characteristic) für jeden Merkmalstyp bestimmt. Dies ermöglicht eine Anpassung an verschiedene Merkmalstypen und -Deskriptoren. Die Arbeit betont die Abhängigkeit der Zuverlässigkeit der BestMatch-k-Methode von der Art des verwendeten Merkmals, Deskriptors und Ähnlichkeitsmaßes. Die Methode dient zur Vorauswahl von möglichen Übereinstimmungen, um den Rechenaufwand zu reduzieren.

Die Arbeit integriert räumliche Beziehungen zwischen Merkmalen, um die Robustheit des Matching-Prozesses zu verbessern. Im Gegensatz zu vielen früheren Ansätzen, die nur lokale räumliche Beziehungen betrachten, wird hier ein Ansatz verfolgt, der auch globale geometrische Konsistenz berücksichtigt. Die Arbeit analysiert verschiedene Ansätze zur Berücksichtigung räumlicher Beziehungen, z.B. die Verwendung zyklischer Ordnung benachbarter Merkmale (Schmid und Mohr, 1997) oder die direkte Integration paarweiser räumlicher Beziehungen in den Merkmalsdeskriptor (Tell und Carlsson, 2002). Der Ansatz von Aguilar et al. (2009) (Graph Transformation Matching, GTM), welcher iterativ Ausreißer entfernt und die Konsistenz der lokalen Nachbarschaftsstruktur erzwingt, wird ebenfalls diskutiert. Die Arbeit hebt die Vorteile und Einschränkungen dieser bestehenden Methoden hervor und argumentiert für einen weicheren, probabilistischen Ansatz, der die Unsicherheit räumlicher Beziehungen besser modelliert.

Das Matching-Problem wird als binäres Klassifizierungsproblem formuliert. Ein statistisches Modell, basierend auf Markov-Random-Fields (MRFs), wird entwickelt. Die lokalen Energiepotentiale modellieren die Wahrscheinlichkeit von Übereinstimmungen basierend auf Deskriptorähnlichkeiten und der Konsistenz räumlicher Beziehungen. Diese Potentiale werden empirisch aus annotierten Datensätzen gelernt. Das globale Optimierungsproblem wird als lineares Programm formuliert, das mit effizienten Verfahren gelöst werden kann. Die Arbeit diskutiert verschiedene Optimierungsansätze und die Herausforderungen, die mit der Lösung des NP-harten Problems verbunden sind. Die explizite Behandlung von redundanten Zuordnungen wird als Vorteil gegenüber Ansätzen hervorgehoben, die die Eindeutigkeitsbeschränkung erzwingen. Die Wahl der Wahrscheinlichkeitsverteilungen (z.B. Beta- und Binomialverteilungen) und die Möglichkeit, diese durch komplexere Modelle zu ersetzen, wird ebenfalls diskutiert.

Die experimentellen Ergebnisse zeigen eine signifikante Verbesserung des vorgeschlagenen MapMatch-Ansatzes im Vergleich zu BestMatch-2 (nur Deskriptorähnlichkeit) und TopoMatch (mit topologischem Filter) auf Datensätzen mit schwach texturierten Szenen. Die Ergebnisse werden anhand der Anzahl korrekter Übereinstimmungen (Inlier) und der Ausreißerquote (Outlier) bewertet. MapMatch erzielt deutlich mehr Inlier und eine akzeptable Ausreißerquote, selbst bei Herausforderungen wie Liniensegmentmerkmalen mit weniger aussagekräftigen Deskriptoren. Die Arbeit präsentiert Ergebnisse für verschiedene Datensätze (Class, Blank-12) und zeigt die Überlegenheit des MapMatch-Ansatzes, besonders bei der Bestimmung der epipolar Geometrie. Die Anwendung auf die automatische Bildorientierung demonstriert die Robustheit des Ansatzes unter schwierigen Bedingungen. Die Arbeit vergleicht verschiedene Merkmalsdetektoren (lowe, mser, edge) und deren Einfluss auf die Ergebnisse. Auch werden etablierte Evaluationsmethoden (Mikolajczyk et al., 2005; Moreels und Perona, 2006) im Kontext der vorliegenden Arbeit diskutiert und deren Limitationen hinsichtlich schwach texturierter Szenen beleuchtet.

Die Auswahl geeigneter Merkmalsdetektoren ist entscheidend für die Qualität des Stereo-Matchings. Die Arbeit evaluiert verschiedene Detektoren, darunter der weitverbreitete, skalen-invariante Blob-Detektor von Lowe (2004), der lokale Extrema des Laplacians of Gaussians (LoG) – approximiert durch Difference of Gaussians (DoG) – findet. Dieser Detektor zielt auf die Extraktion dunkler und heller Blobs in charakteristischen Skalen eines Bildes ab. Ein weiterer untersuchter Detektor ist der Hessian-Affine-Detektor von Mikolajczyk und Schmid (2004), der theoretisch mit dem Lowe-Detektor verwandt ist, aber Determinante und Spur der Hesse-Matrix auswertet, anstatt Maxima des DoG zu suchen. Zusätzlich wird ein MSER-Detektor (Matas et al., 2004) und ein Kantendetektor (Forstner, 1994) für die Detektion von Liniensegmenten verwendet. Die Arbeit betont die komplementären Eigenschaften verschiedener Detektoren und die Möglichkeit, durch die Kombination mehrerer Detektoren die Anzahl der extrahierten Merkmale zu erhöhen und so die Robustheit des Matchings zu verbessern (Dickscheid et al., 2010). Die Wahl des Detektors hängt stark von den Eigenschaften der Szene ab; für texturreiche Szenen genügt oft ein einzelner leistungsstarker Detektor, während für schwach texturierte Szenen die Kombination mehrerer Detektoren vorteilhaft sein kann.

Für die Beschreibung der detektierten Merkmale werden Deskriptoren benötigt. Die Arbeit konzentriert sich auf die Beschreibung punktförmiger Merkmale, wobei der populäre SIFT-Deskriptor (Scale-Invariant Feature Transform) von Lowe (2004) als Standard verwendet wird. Der SIFT-Deskriptor ist skaleninvariant und wird für alle punktförmigen Merkmale eingesetzt. Er nutzt Informationen über die lokale Umgebung eines Merkmalspunkts und liefert eine kompakte, robuste Darstellung, die auch gegenüber Änderungen in Skalierung, Rotation und Beleuchtung relativ unempfindlich ist. Für Liniensegmente werden hingegen farbhiostogrambasierte Deskriptoren verwendet, wie sie von Bay et al. (2005) vorgeschlagen wurden. Diese Deskriptoren sind im Vergleich zu SIFT-Deskriptoren deutlich weniger aussagekräftig und werden in der Arbeit auch als deutlich weniger robust gegen Skalierungs- und affine Verzerrungen beschrieben. Die Arbeit diskutiert nicht explizit die Auswahl weiterer Deskriptoren, fokussiert aber auf die Auswirkungen unterschiedlicher Deskriptoren auf die Zuverlässigkeit der Merkmalszuordnung und die Notwendigkeit, die Eigenschaften der Deskriptoren bei der Modellierung des Matching-Problems zu berücksichtigen. Ein umfassender Überblick und eine Bewertung verschiedener Techniken zur Beschreibung punktförmiger Merkmale findet sich in Mikolajczyk und Schmid (2005).

Die Arbeit untersucht den Einfluss der Kombination verschiedener Detektoren und Deskriptoren auf die Performance des Matching-Algorithmus. Die BestMatch-k-Methode wird verwendet, um eine initiale Menge von potenziellen Übereinstimmungen zu selektieren, wobei der Parameter k für jeden Merkmalstyp separat optimiert wird. Anhand von ROC-Kurven (Abbildung 2.4) wird die Performance der BestMatch-k-Methode für verschiedene Merkmalstypen und k-Werte analysiert. Es zeigt sich, dass der optimale k-Wert von der spezifischen Kombination aus Detektor und Deskriptor abhängt. So erzielt die BestMatch-2-Methode gute Ergebnisse für einen bestimmten Junction-Detektor, während für einen Affine-Region-Detektor (MSER) BestMatch-3 besser abschneidet. Diese Ergebnisse unterstreichen die Notwendigkeit einer adaptiven Merkmalsauswahl und der Berücksichtigung der Eigenschaften der verwendeten Detektoren und Deskriptoren bei der Entwicklung robuster Wide Baseline Stereo Matching Algorithmen. Der Abschnitt betont die Notwendigkeit, die empirischen Beobachtungen der Merkmalsauswahl in den Gesamtprozess zu integrieren, um eine optimale Performance zu erzielen.

Ein zentraler Aspekt der Arbeit ist die Integration räumlicher Beziehungen zwischen Bildmerkmalen zur Verbesserung der Robustheit des Wide Baseline Stereo Matchings. Der Text argumentiert, dass die reine Betrachtung der Deskriptorähnlichkeit (wie in BestMatch-Methoden) insbesondere bei schwach texturierten Szenen unzureichend ist. Räumliche Informationen, also die geometrischen Beziehungen zwischen Merkmalen, liefern zusätzliche Hinweise zur Identifizierung korrekter Übereinstimmungen. Diese Beziehungen sind jedoch nicht immer konsistent über verschiedene Perspektiven hinweg, wie ein Beispiel in Abbildung 3.1 veranschaulicht. Trotz dieser Einschränkungen ist der Wert räumlicher Informationen offensichtlich, besonders bei der Verwendung vieler Beobachtungen und einem weichen Schlussfolgerungsverfahren, welches auch Vorwissen berücksichtigt. Die Arbeit hebt hervor, dass die meisten bisherigen Ansätze nur lokale räumliche Beziehungen in begrenzter Nachbarschaft nutzen, da die Instabilität durch Okklusionen und Teilverdeckungen mit zunehmender Entfernung zunimmt. Die Arbeit kontrastiert diese Ansätze mit dem eigenen, der globale geometrische Konsistenz berücksichtigt.

Die Arbeit analysiert verschiedene Methoden, die räumliche Beziehungen im Stereo Matching berücksichtigen. Schmid und Mohr (1997) nutzen die Konsistenz von Winkeln in einer zyklischen Anordnung benachbarter Merkmale. Tell und Carlsson (2002) integrieren paarweise räumliche Beziehungen direkt in den Merkmalsdeskriptor, indem sie skalen-invariante Beschreibungen basierend auf Farbintensitäten entlang von Linien zwischen Merkmalen verwenden. Beide Ansätze beschränken sich jedoch auf lokale Beziehungen. Im Gegensatz dazu wird der Ansatz von Aguilar et al. (2009) (Graph Transformation Matching, GTM) erwähnt, der iterativ Ausreißer aus einer initialen Menge von Übereinstimmungen entfernt, indem er die Konsistenz der lokalen Nachbarschaftsstruktur erzwingt. Dieser Ansatz, der auch eine „Boosting“-Phase zur Reintegration zuvor verworfener Übereinstimmungen beinhaltet, ist besonders für schwach texturierten Szenen geeignet, leidet aber unter hohen Rechenzeiten und einer schwierigen Interpretation der Ergebnisse. Die Arbeit diskutiert die Vor- und Nachteile dieser Methoden im Detail und begründet die Notwendigkeit eines neuen Ansatzes.

Im Gegensatz zu den analysierten Methoden, die räumliche Beziehungen oft als harte Einschränkungen modellieren, schlägt die Arbeit eine weiche, Bayesianische Behandlung vor. Dieser Ansatz berücksichtigt die Unsicherheit und die begrenzte Gültigkeit räumlicher Beziehungen explizit. Anstatt die Konsistenz räumlicher Beziehungen strikt zu erzwingen, integriert das Modell die Informationen über räumliche Beziehungen probabilistisch in die Gesamtbewertung der Übereinstimmungen. Dies ermöglicht eine robustere Merkmalszuordnung, auch wenn einzelne räumliche Beziehungen verletzt sind. Die Arbeit betont die Bedeutung der Berücksichtigung von Vorwissen und die Verwendung eines weichen Schlussfolgerungsverfahrens, das verschiedene Beobachtungen und deren Unsicherheiten berücksichtigt. Die Verwendung einer Bayesianischen Formulierung erlaubt es, die Stärken verschiedener Informationsquellen (Deskriptorähnlichkeit und räumliche Beziehungen) optimal zu kombinieren und Schwächen einzelner Quellen durch die anderen auszugleichen. Dies führt zu einem robusteren und zuverlässigeren Matching-Ergebnis, insbesondere in schwierigen Szenarien mit schwach texturierten Oberflächen.

Das Herzstück des vorgeschlagenen Ansatzes ist die Formulierung des Stereo-Matching-Problems als binäres Klassifizierungsproblem innerhalb eines Bayesianischen Rahmens. Die Zuordnung von Merkmalen in zwei Bildern wird als Maximum-a-posteriori (MAP)-Schätzung interpretiert. Diese Bayesianische Formulierung erlaubt die Integration verschiedener Informationsquellen, wie Deskriptorähnlichkeiten und räumliche Beziehungen, auf elegante Weise. Die Wahrscheinlichkeiten für korrekte und inkorrekte Zuordnungen werden modelliert und ermöglichen eine robuste Entscheidung, selbst bei unsicheren oder widersprüchlichen Hinweisen. Die explizite Berücksichtigung von Unsicherheiten durch die probabilistische Modellierung ist ein entscheidender Vorteil gegenüber deterministischen Ansätzen. Die Bayesianische Formulierung erlaubt eine klare statistische Interpretation und vermeidet uninterpretierbare, externe Parameter.

Das Modell integriert sowohl lokale als auch globale Aspekte des Matching-Problems. Lokal werden die Wahrscheinlichkeiten für korrekte und inkorrekte Zuordnungen basierend auf der Ähnlichkeit der Merkmalsdeskriptoren und der Konsistenz von paarweisen geometrischen Beziehungen modelliert. Diese lokalen Modelle werden als Markov-Random-Fields (MRFs) interpretiert, wobei die Abhängigkeiten zwischen den Zuordnungen berücksichtigt werden. Global wird das Problem als ein Optimierungsproblem formuliert, das die Gesamtwahrscheinlichkeit aller möglichen Zuordnungen maximiert. Die Unabhängigkeitsannahmen des Modells werden explizit diskutiert, um die Anwendbarkeit und die Grenzen des Ansatzes zu verdeutlichen. Die Arbeit verdeutlicht, wie lokale Energiepotentiale aus den Wahrscheinlichkeiten abgeleitet werden können und wie diese mit empirischen Daten aus annotierten Datensätzen geschätzt werden. Der Umgang mit verschiedenen Merkmalstypen, Deskriptorarten und räumlichen Beziehungen wird ebenfalls in die Modellbildung eingebunden.

Das kombinierte Modell aus lokalen und globalen Wahrscheinlichkeiten resultiert in einem globalen Minimierungsproblem. Dieses Problem ist im Allgemeinen NP-hart, wenn es auf einer allgemeinen diskreten Menge von Labels definiert ist. Die Arbeit diskutiert die Komplexität des Problems und die verschiedenen Lösungsansätze. Während allgemeine Lösungsverfahren wie Simulated Annealing exponentielle Laufzeiten aufweisen, werden effizientere Methoden für eingeschränkte Teilklassen des Problems betrachtet, wie sie in der Bildverarbeitung für Pixel-Labeling-Aufgaben verwendet werden (z.B. Iterative Conditional Modes (ICM), Loopy Belief Propagation (LBP), Graph Cut). Das Problem wird letztendlich als lineares Programm formuliert, welches mit Methoden wie dem Simplex-Algorithmus oder effizienteren Interior-Point-Methoden gelöst werden kann. Die Arbeit verwendet ein kommerzielles Softwarepaket (Mosek), das einen effizienten Interior-Point-Algorithmus für lineare Programme mit bis zu mehreren tausend Variablen implementiert. Für schwach texturierte Szenen, mit typischerweise weniger als 200 potenziellen Übereinstimmungen, sind die Rechenzeiten vernachlässigbar gering. Die Behandlung von redundanten Zuordnungen wird als bewusste Entscheidung motiviert, um die Robustheit des Verfahrens zu steigern und eine gute Eingabe für nachfolgende Anwendungen zu gewährleisten.

Die Leistungsfähigkeit des vorgeschlagenen MapMatch-Algorithmus wird anhand von Datensätzen mit schwach texturierten Szenen evaluiert und mit den Ergebnissen von BestMatch-2 (basierend nur auf Deskriptorähnlichkeiten) und TopoMatch (mit topologischem Filter) verglichen. Die Ergebnisse zeigen eine deutliche Überlegenheit von MapMatch bezüglich der Anzahl korrekter Zuordnungen (Inlier) bei gleichzeitig akzeptablen Ausreißerquoten. Beispielsweise wird am Class-Datensatz (Abbildung 6.1 und 6.2) eine konstante höhere Anzahl an Inlier gezeigt. Bei Liniensegmenten sind die Ausreißerquoten bei MapMatch am geringsten, während bei anderen Merkmalstypen die Ausreißerquoten teilweise höher sind als bei den Vergleichsmethoden. Ähnliche Beobachtungen werden am Blank-12-Datensatz (Abbildung 6.3) gemacht, wobei MapMatch signifikant mehr Inlier über alle betrachteten Bildpaare und Merkmalstypen liefert. Die Arbeit demonstriert am Beispiel des Blank-12-Datensatzes, dass MapMatch selbst in Szenarien mit extrem spärlicher Textur zuverlässige Ergebnisse liefert, während die anderen Methoden versagen. Die verbesserte Leistung wird insbesondere bei der Berechnung der epipolar Geometrie hervorgehoben.

Die Arbeit untersucht die Auswirkungen der verbesserten Matching-Ergebnisse auf die automatische Bildorientierung. Unter schwierigen Bedingungen, wie z.B. sehr spärlicher Textur, schwachen Detektoren oder geringer Bildüberlappung, zeigt MapMatch oft bessere Ergebnisse als die Vergleichsmethoden, insbesondere hinsichtlich der Anzahl erfolgreich orientierter Kameras. Der Algorithmus wird in einem System zur automatischen Bildorientierung eingesetzt, wobei zunächst mittels BestMatch-2 und SIFT-Deskriptoren (Lowe, 2004) Punkt-Merkmalskorrespondenzen berechnet werden. Die relative Orientierung von Bildpaaren wird dann mithilfe des 5-Punkt-Algorithmus (Nister, 2004) innerhalb eines RANSAC-Schemas (Fischler und Bolles, 1981; Hartley und Zisserman, 2004) bestimmt. Dieses Verfahren liefert robuste Schätzungen der epipolar Geometrien und dient gleichzeitig als Filter für die Merkmalskorrespondenzen. Anhand des Blank-12- und des Dragon-Datensatzes werden die Ergebnisse in Bezug auf die Anzahl der Objektpunkte, die Genauigkeit der Kamerarotationen und die Anzahl unabhängiger Beobachtungen detailliert analysiert und im Vergleich zu BestMatch-2 und TopoMatch dargestellt.

Um die Generalisierbarkeit des Ansatzes zu überprüfen, werden auch Ergebnisse auf regulären Datensätzen präsentiert (z.B. Graffiti und Boat). Hier zeigt sich, dass MapMatch vergleichbare Ergebnisse zu etablierten Methoden liefert, was belegt, dass die auf spezifischen Datensätzen trainierten Energiepotentiale keine negative Auswirkung auf die Performance bei Standarddaten haben. Die Arbeit argumentiert, dass der beschriebene Ansatz insbesondere dann von Vorteil ist, wenn nur wenige Merkmale detektiert werden können, wie es bei schwach texturierten Szenen typischerweise der Fall ist. Bei einer hohen Anzahl detektierter Merkmale ist ein einfacher, Deskriptor-basierter Ansatz wie BestMatch-2 oft ausreichend und schneller. Die Arbeit schlägt daher vor, zwischen den Methoden basierend auf der Anzahl der detektierten Merkmale zu wählen. Die Auswahl der Merkmalsdetektoren sollte ebenfalls situationsabhängig erfolgen, wobei für texturreiche Szenen ein einzelner leistungsstarker Detektor ausreicht. Potenziale zur Verbesserung werden durch die Verwendung komplexerer Wahrscheinlichkeitsverteilungen oder durch Gewichtung der verschiedenen Wahrscheinlichkeitsfunktionen gesehen, jedoch sind entsprechende Experimente zum Zeitpunkt der Veröffentlichung noch nicht abgeschlossen.

Die Arbeit präsentiert ein neues statistisches Modell für Wide Baseline Stereo Matching, das insbesondere für schwach texturierten Szenen entwickelt wurde. Die experimentellen Ergebnisse zeigen, dass der vorgeschlagene MapMatch-Algorithmus signifikant bessere Ergebnisse liefert als vergleichbare Methoden wie BestMatch-2 (basierend nur auf Deskriptorähnlichkeiten) und TopoMatch (mit topologischem Filter). MapMatch erzielt auf Datensätzen mit spärlicher Textur (Class, Blank-12) eine deutlich höhere Anzahl an korrekten Übereinstimmungen (Inlier) bei akzeptablen Ausreißerquoten. Die Überlegenheit von MapMatch wird anhand der Anzahl korrekter Übereinstimmungen und Ausreißerquoten für verschiedene Merkmalstypen (Punkte, Liniensegmente) demonstriert. Auch auf regulären Datensätzen zeigt MapMatch eine vergleichbare Performance zu etablierten Verfahren, was die Robustheit und Generalisierbarkeit des Ansatzes unterstreicht. Die Anwendung auf die automatische Bildorientierung bestätigt den praktischen Nutzen, insbesondere in herausfordernden Szenarien mit schwacher Textur und wenigen Merkmalen.

Die Arbeit diskutiert Möglichkeiten zur weiteren Verbesserung des vorgeschlagenen Ansatzes. Die Verwendung komplexerer Wahrscheinlichkeitsverteilungen anstelle der verwendeten Beta- und Binomialverteilungen könnte die Genauigkeit der Energiepotentiale und damit die Matching-Ergebnisse verbessern. Auch die Gewichtung der verschiedenen Likelihood-Funktionen basierend auf ihrer Diskriminationsfähigkeit wird als vielversprechende Richtung genannt. Erste Experimente mit dem Fisher’s Discriminant Score zeigten jedoch zum Zeitpunkt der Veröffentlichung noch keine signifikanten Verbesserungen. Ein weiterer Aspekt ist die adaptive Auswahl von Merkmalsdetektoren und Methoden in Abhängigkeit von den Textureigenschaften des Bildes. Ein vorgeschalteter Schritt zur Texturanalyse könnte die Auswahl der optimalen Detektoren und Methoden automatisieren und so die Performance weiter steigern. Die Arbeit endet mit dem Hinweis, dass für Szenen mit reichhaltiger Textur und vielen detektierten Merkmalen ein einfacher, schnellerer Deskriptor-basierter Ansatz ausreichend sein kann und eine adaptive Strategie die beste Performance verspricht.