单应矩阵指的是两个平面之间的映射关系，在相机标定、全景拼接中都有很重要的应用。
下面来总结一下单应矩阵是如何求解的以及其原因。
首先，我们用单应矩阵表示两个点之间的映射关系，可以写成：
[ x 2 y 2 1 ] = [ h 1 h 2 h 3 h 4 h 5 h 6 h 7 h 8 1 ] [ x 1 y 1 1 ] (1) \left[ \begin{matrix} x_2 \\ y_2 \\ 1 \end{matrix} \right]= \left[ \begin{matrix} h_1 \ h_2 \ h_3 \\ h_4 \ h_5 \ h_6 \\ h_7 \ h_8 \ 1 \\ \end{matrix} \right] \left[ \begin{matrix} x_1 \\ y_1 \\ 1 \end{matrix} \right] \tag{1} ⎣⎡x2y21⎦⎤=⎣⎡h1 h2 h3h4 h5 h6h7 h8 1⎦⎤⎣⎡x1y11⎦⎤(1)
将上面的矩阵展开成方程的形式：
( h 7 x 1 + h 8 y 1 + 1 ) x 2 = h 1 x 1 + h 2 y 1 + h 3 ( h 7 x 1
本文探讨了单应矩阵在立体视觉中的重要性，详细介绍了如何通过4组匹配点求解单应矩阵，涉及线性齐次方程组、奇异值分解和最小二乘问题。最终解释了为什么选择最小奇异值对应的向量作为解决方案。
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
