图像I中x处 的shi-tomas score 其实就是 I关于x的hessian矩阵的较小的特征值。
一般光流法中最小化的是光度误差(成像误差) argmin_x |I(x)-J(p)|^2,
高斯牛顿法中 每次的更新步骤为J^t J dx = -res J
而 shi-tomas score 为H=J^t J 的特征值中较小的那个。
(为啥该值越大说明跟踪效果越好(good feature to track)呢?)
图像I中x处 的shi-tomas score 其实就是 I关于x的hessian矩阵的较小的特征值。
一般光流法中最小化的是光度误差(成像误差) argmin_x |I(x)-J(p)|^2,
高斯牛顿法中 每次的更新步骤为J^t J dx = -res J
而 shi-tomas score 为H=J^t J 的特征值中较小的那个。
(为啥该值越大说明跟踪效果越好(good feature to track)呢?)