验证对极约束

验证对极约束x_{2}^{T} * E * x_{1} = 0

1. 将图1中匹配好的特征点像素坐标转化为归一化坐标 : P_{c} = K^{-1} * P_{uv}

输入:keypoints_1[ m.queryIdx ].pt 为像素坐标, K为相机内参矩阵;

得到:y1 = (x/z, y/z, 1) 相机归一化坐标。

代码如下:

Point2d pt1 = pixel2cam ( keypoints_1[ m.queryIdx ].pt, K );

Mat y1 = ( Mat_<double> ( 3,1 ) << pt1.x, pt1.y, 1 );

2.  将图2中匹配好的特征点像素坐标转化为归一化坐标 : P_{c} = K^{-1} * P_{uv}

输入:keypoints_2[ m.trainIdx ].pt 为像素坐标, K为相机内参矩阵;

得到:y2 = (x/z, y/z, 1) 相机归一化坐标。

代码如下:

Point2d pt2 = pixel2cam ( keypoints_2[ m.trainIdx ].pt, K );
Mat y2 = ( Mat_<double> ( 3,1 ) << pt2.x, pt2.y, 1 );

3. 通过公式 x_{2}^{T} * E * x_{1} = 0 验证对极约束,其中x_{1}, x_{2} 为相机归一化坐标,分别对应代码中y1, y2

Mat d = y2.t() * t_x * R * y1;

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值