1角点与可重复关键点
闭卷重建角点与可重复关键点的对象、公式、算例、算法与失败边界。
计算机视觉 · 小纸条
选一章打印。双面打印（按长边翻页）后沿虚线剪开，每张卡片正面题目、背面答案。
第 1 页 · 正面（题目）
2局部描述子与不变性
闭卷重建局部描述子与不变性的对象、公式、算例、算法与失败边界。
3特征匹配、比率与互检
闭卷重建特征匹配、比率与互检的对象、公式、算例、算法与失败边界。
4RANSAC与鲁棒估计
闭卷重建RANSAC与鲁棒估计的对象、公式、算例、算法与失败边界。
5单应矩阵与平面映射
闭卷重建单应矩阵与平面映射的对象、公式、算例、算法与失败边界。
6全景拼接与曝光融合
闭卷重建全景拼接与曝光融合的对象、公式、算例、算法与失败边界。
7图像检索与几何核验
闭卷重建图像检索与几何核验的对象、公式、算例、算法与失败边界。
第 1 页 · 背面（答案）
对象：描述子把关键点邻域编码为可比较向量；归一化、方向和尺度选择决定不变性与辨别力。；公式：cosine similarity=a·b/(||a||||b||)。；算例：单位向量点积0.8，余弦相似度0.8。；边界：只看最近距离不看歧义；归一化零向量。。
对象：好关键点在两个方向都有强变化，并在尺度、视角和光照变化下可重复定位。；公式：Harris response=det(M)-k trace(M)²。；算例：M对角为4和3、k=.04，R=12-.04×49=10.04。；边界：只数关键点多少；在均匀区域调低阈值得到不稳定点。。
对象：RANSAC从最小样本提出模型，以一致集评分；迭代数取决于内点率、样本数和成功概率。；公式：N=log(1-p)/log(1-w^s)。；算例：内点率.5、最小样本4，一次全内点概率.0625。；边界：阈值无单位依据；只用最小样本模型不在全部内点上重估。。
对象：最近邻匹配需拒绝歧义和异常；比率检验比较第一、第二邻居，互检减少单向偶然对应。；公式：ratio=d1/d2，accept if ratio<threshold。；算例：d1=.4、d2=.8，比率.5，在阈值.75下接受。；边界：固定阈值跨描述子；重复纹理产生大量貌似良好匹配。。
对象：全景需特征对应、几何估计、画布变换、接缝选择与曝光融合；视差会破坏单一单应。；公式：mosaic pipeline=match→robust H→warp→seam→blend。；算例：五阶段每阶段成功率.98，独立近似总成功率约.904。；边界：只扩大RANSAC阈值掩盖视差；多次重采样造成模糊。。
对象：平面场景或纯旋转下，两幅图可由3×3单应关联；一般三维平移不能用单应解释全部点。；公式：x_prime~H x，H has 8 degrees of freedom up to scale。；算例：4对一般位置点提供8个标量约束，可求8自由度H。；边界：拿街景非平面点全拟合单应；四点近共线导致病态。。
对象：全局/局部特征召回候选，几何核验确认空间一致性；排名指标需按查询级报告。；公式：average precision averages precision at relevant ranks。；算例：相关结果在排名1和3，AP=(1/1+2/3)/2≈.8333。；边界：用同一物体近重复图跨库；只看top-1不分析召回。。