本文探讨了在双目立体匹配中，利用光流跟踪快速匹配特征点后，如何通过两种方法去除错误跟踪的外点：1) 使用RANSAC算法估计基础矩阵；2) 基于相机相对变换构建对极约束并设定阈值。这两种方法都能有效地提高匹配精度。
利用光流跟踪可以对左右图像的特征点进行快速匹配，相比于利用描述子（Descriptor）进行匹配，使用光流跟踪速度更快，然而，使用光流法进行跟踪会返回一些错误跟踪的点，如下图中圈红圈的部分。
最近看了一些开源代码，发现了2种用于去除外点的方法。
1.基于RANSAC算法估计左右图像的基础矩阵
该方法可以用cv::findFundamentalMat实现，且十分高效。
可以看到第一幅图中红圈内的误跟踪现象不见了。
2.基于已知的左右相机相对变换 R , t \textbf R, \textbf t R,t构建对极约束
首先将特征点的像素坐标转化为归一化坐标，假设一双对应的特征点的归一化坐标为
最低0.47元/天 解锁文章
扫一扫
1533
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
