计算摄像机矩阵P

最新推荐文章于 2023-11-11 00:06:50 发布

看风景的人lsy

最新推荐文章于 2023-11-11 00:06:50 发布

阅读量952

点赞数

分类专栏：计算机视觉中的多视图几何

本文链接：https://blog.csdn.net/qq_28038207/article/details/81950597

版权

17 篇文章 7 订阅

订阅专栏

DLT算法
利用 $x_i×PX_i=0$ ，得

$⎡ ⎣ ⎢ ⎢ 0 T w i X T i - y i X T i - w i X T i 0 T x i X T i y i X T i - x i X T i 0 T ⎤ ⎦ ⎥ ⎥ ⎡ ⎣ ⎢ P 1 P 2 P 3 ⎤ ⎦ ⎥ = 0$ $\begin{bmatrix} 0^T & -w_iX_i^T & y_iX_i^T \\ w_iX_i^T & 0^T & -x_iX_i^T\\ -y_iX_i^T & x_iX_i^T & 0^T \\ \end{bmatrix} \begin{bmatrix} P^1\\P^2\\P^3\end{bmatrix}=0$
与平面单应类似的几何误差
简化代数误差计算：

$| | A p | | = p T A T A p = | | A^p | |$ $||Ap||=p^TA^TAp=||\hat A p||$
$A T A = (V D U T) (U D V T) = (V D) (D V T) = A^T A^$ $A^TA=(VDU^T)(UDV^T)=(VD)(DV^T)=\hat A^T\hat A$
协方差估计
（1） $\varepsilon_{res}=\sigma (1-d/2n)^{1/2}$ ，根据残差，求出图像点的高斯噪声大小
（2） $f(P,X_i)=x_i$ ，求出 $J=\partial x_i/\partial P$
（3） $\sum_{camera}=(J^T\sum_{points}^{-1}J)^{-1}$ ，求出摄像机参数的协方差估计
（4）据此，可以求出世界点在图像中位置的不确定性
这可以解释为什么在沿主轴方向，测量精度较低
径向失真

$[x d y d] = L (r ~) [x ~ y ~]$ $\begin{bmatrix}x_d\\y_d\end{bmatrix}=L(\tilde r)\begin{bmatrix}\tilde x\\ \tilde y\end{bmatrix}$
其中， $(\tilde x,\tilde y)^T$ 是理想图像位置（遵循线性投影）， $(x_d,y_d)是径向失真后的实际图像的位置$ ， $\tilde r$ 是径向失真中心的径向距离, $L(\tilde r)$ 是一个失真因子
计算失真函数：和P一起迭代计算，或者要求直线的图像必须是直线

关注