计算机视觉：RANSAC剔除基础矩阵F错误匹配(Python实现)

最新推荐文章于 2024-06-18 15:52:09 发布

Sunrise永不言弃

最新推荐文章于 2024-06-18 15:52:09 发布

阅读量7.7k

点赞数 22

分类专栏：计算机视觉深度学习文章标签：计算机视觉 ransac 八点法

本文链接：https://blog.csdn.net/qq_38898129/article/details/93982154

版权

原理

基础矩阵

$X_1^TFX_2=0\tag{1}$
$X 1$ 与 $X 2$ 是两幅图像的一对匹配点， $F$ 为基础矩阵，基础矩阵为一幅图像上像 $p_1$ 点到另一幅图像上对极线 $L_2$ 的一种映射。所以有如下公式：
$L_2=F*p_1\tag{2}$
此公式为后面 $r a n s a c$ 算法需要用到。
基础矩阵F是一个3×3的矩阵，总共有9个未知元素。然而，上面的公式中使用的齐次坐标，齐次坐标在相差一个常数因子下是相等， $F$ 也就只有8个未知元素，也就是说，只需要8对匹配的点对就可以求解出两视图的基础矩阵 $F$ 。下面介绍下8点法 $E i g h t - P o i n t - A l g o r i t h m$ 计算基础矩阵的过程。假设在两幅图像对应匹配点的坐标分别为： $X_1=(x_1,y_1,1)^T$ ， $X_2=(x_2,y_2,1)^T$ ,那么由基础矩阵公式得：
$\left[ \begin{matrix} x_1 & y_1 & 1 \end{matrix} \right] \left[ \begin{matrix} f_{11} & f_{12} & f_{13} \\ f_{21} & f_{22} & f_{23} \\ f_{31} & f_{32} & f_{33} \end{matrix} \right] \left[ \begin{matrix} x_2 \\ y_2 \\ 1 \end{matrix} \right] \tag{3}=0$
也即：
$x_2x_1f_{11}+x_2y_1f_{12}+x_2f_{13}+y_2x_1f_{21}+y_2y_1f_{22}+y_2f_{23}+x_1f_{31}+y_2f_{32}+f_{33}=0\tag{4}$