【立体视觉】单应矩阵的求解

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。
摘要由CSDN通过智能技术生成

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 1x1y11(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

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