findHomography()函数分析遇到的一点问题

https://blog.csdn.net/guet_gjl/article/details/100547000

上一篇笔记已经记录了DLT在单应性矩阵求解中的具体套用，但是在实际解算时，最终得到的结果和直接调用opencv函数findHomography()并不一致，且差别较大

findHomography( InputArray srcPoints, InputArray dstPoints, int method=0, double ransacReprojThreshold=3, OutputArray mask=noArray());

因此我参照该博客

https://blog.csdn.net/qq_25352981/article/details/51530751

该博客具体分析了findHomography()函数内部是如何实现的过程，于是我把一快快代码搬过来用。
但是我发现这个代码的实现过程中，有一个函数是我VS2010无法实现的，我也不太了解如何实现

这个代码块是出自

CV_IMPL int
cvFindHomography( const CvMat* objectPoints, const CvMat* imagePoints,
                  CvMat* __H, int method, double ransacReprojThreshold,
                  CvMat* mask )

该代码块主要是将RANSAC之后的误差点去除，只留下符合要求的点集从而进行重新求解矩阵，这一步也正是最重要的（能够和我直接拿全部点集SVD分解得到的结果进行区分的关键）

因此我直接自己读取RANSAC之后的内外点标记矩阵，然后得到最终符合要求的内点点集

然后调用runKernel函数进行求解，但是在这后面还有一步refine，我发现这一步其实就是对结果进行类似LM优化？（对这一步的函数分析有所保留，并未仔细分析）。因此我将这两个合并到一起，自己写了一个函数来调用。最终得到的结果和我直接调用findHomography()是一样的。

以上就完成了我初步的单应性求解和findHomography()函数的理解

此外，在这个分析之前我也利用matlab和Eigen库进行了SVD分解，当然是未利用RANSAC提出外点，得到的结果和opencv直接调用SVD是基本一致的。可见RANSAC在这过程中起了至关重要的作用

总结 此次函数分析耗时较大，但是收获还不错，基本理解了整一个流程的内核，可以帮助我对于APAP算法的理解，接下来就需要进行APAP的分析了