OpenCV преобразование из двух изображений

Theres — пример MATLAB, который сопоставляет два изображения и выдает вращение и масштаб:
https://de.mathworks.com/help/vision/examples/find-image-rotation-and-scale-using-automated-feature-matching.html?requestedDomain=www.mathworks.com

Моя цель — воссоздать этот пример с использованием C ++. Я использую тот же метод обнаружения ключевых точек (Harris), и ключевые точки, кажется, в основном идентичны тем, которые находит Matlab. Все идет нормально.

cv::goodFeaturesToTrack(image_grayscale, corners, number_of_keypoints, 0.01, 5, mask, 3, true, 0.04);
for (int i = 0; i < corners.size(); i++) {
keypoints.push_back(cv::KeyPoint(corners[i], 5));
}

BRISK используется для извлечения функций из ключевых точек.

int Threshl = 120;
int Octaves = 8;
float PatternScales = 1.0f;

cv::Ptr<cv::Feature2D> extractor = cv::BRISK::create(Threshl, Octaves, PatternScales);
extractor->compute(image, mykeypoints, descriptors);

Эти дескрипторы затем сопоставляются с использованием подставки по флангам.

cv::FlannBasedMatcher matcher;
matcher.match(descriptors32A, descriptors32B, matches);

Теперь проблема в том, что около 80% моих матчей неверны и непригодны. Для идентичного набора изображений Matlab возвращает только пару совпадений, из которых только ~ 20% являются ошибочными. Я пытался сортировать совпадения в C ++ по значению расстояния, но безуспешно. Значения находятся в диапазоне от 300 до 700, и даже совпадения с самым низким расстоянием почти полностью неверны.

Теперь для расчета смещения достаточно 20% хороших совпадений, но при проверке неправильных совпадений расходуется много вычислительной мощности. Что может быть лучше для сортировки правильных совпадений или есть что-то очевидное, что я делаю неправильно?

РЕДАКТИРОВАТЬ:

Я переключился с Harris / BRISK на AKAZE, который, кажется, предоставляет гораздо лучшие функции и совпадения, которые можно легко отсортировать по значению расстояния. Единственным недостатком является гораздо более высокое время вычислений. С двумя изображениями шириной 1000 пикселей AKAZE требуется полминуты, чтобы найти ключевые точки (на ПК). Я уменьшил это, уменьшив изображения, что составляет приемлемые ~ 3-5 секунд.