三角测量

三角测量在单目SLAM中用于估计特征点的深度。通过最小二乘求解,利用对极约束和已知的相机运动(R, t)来估算特征点的深度。虽然噪声可能导致不精确的交点,但通常通过最小二乘法来提高准确性。代码实现展示了三角测量的主要流程。三角测量的矛盾在于,平移过小导致精度不足,平移过大则可能使匹配失效。" 102859112,5365301,Erdős-Gallai定理与图论问题解析,"['图论', '算法', '二分查找', '数学', '编程竞赛']
摘要由CSDN通过智能技术生成

三角测量

使用对极约束估计了相机的运动,在得到运动之后,我们需要用相机的运动估计特征点的空间位置。在单目SLAM中,仅仅通过单张图像无法获得像素深度信息,需要通过三角测量来估计其深度。

这里写图片描述

上图中,O1P

和 O2P 理论上交与P点,但是由于噪声的存在,往往无法相交。可以通过最小二乘求解。设 x1,x2

为俩个特征点的归一化坐标,那他们满足:

s2x2=s1Rx1+t

 

由于我们已经知道R和t,想要求解的是俩个特征点的深度s1,s2

。当然这俩个深度可以分开求,若要求s1,则左乘 x∧

,得到

s2x∧2x2=0=s1x∧2Rx1+x∧2t

 

以上方程中,只需要对右边求方程即可,求出s1

,但是考虑到噪声的问题,估计的R,t

不一定为精确值,所以更常见的是求最小二乘,而不是求零解。

以上过程,可以通过代码来实现,以下只是主函数里面的代码,显示了主要流程:

int main ( int argc, char** argv )
{

    //-- 读取图像
    Mat img_1 =
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