目录
一、RANSAC算法
1.1RANSAC算法简介
1.2RANSAC算法基本思想和流程
1.3RANSAC求解单应性矩阵
二、图像映射与全景拼接
2.1简介
2.2计算第一张图像与第二章图像之间的关系
2.3将第二章图片叠加到第一张图片的坐标里
2.4图像映射的流程
2.5图像拼接流程
三、全景拼接
3.1代码
3.2拼接效果
一、RANSAC算法
1.1RANSAC算法简介
RANSAC算法的基本假设是样本中包含正确数据(inliers,可以被模型描述的数据),也包含异常数据(outliers,偏离正常范围很远、无法适应数学模型的数据),即数据集中含有噪声。这些异常数据可能是由于错误的测量、错误的假设、错误的计算等产生的。同时RANSAC也假设,给定一组正确的数据,存在可以计算出符合这些数据的模型参数的方法
1.2RANSAC算法基本思想和流程
RANSAC是通过反复选择数据集去估计出模型,一直迭代到估计出认为比较好的模型。具体的实现步骤可以分为以下几步:
(1)随机采样K个点,K是求解模型参数的最少点个数(对于直线拟合来说就是两个点(两点确定一条直线),对于拟合圆就是3个点)
(2)使用采样出的k个点估计模型参数,得到数据模型;
(3)将所有数据带入这个模型,计算出“内点”的数目;(累加在一定误差范围内的适合当前迭代得出的模型的数据);
(4)比较当前模型和之前推出的最好的模型的“内点“的数量,记录最大“内点”数的模型参数和“内点”数;
(5)重复1-4步,直到迭代结束或者当前模型已经足够好了(“内点数目大于一定数量”)。
1.3RANSAC求解单应性矩阵
单应性变换:是将一个平面内的点映射到另一个平面内的二维投影变换。
RANSAC 循环:
(1)随机选择四对匹配特征
(2)根据DLT计算单应矩阵 H (唯一解)
(3)对所有匹配点,计算映射误差ε= ||p i ’, H p i ||
(4)根据误差阈值,确定inliers(例如3-5像素)
(5)针对最大inliers集合,重新计算单应矩阵 H。
二、图像映射与全景拼接
2.1简介
首先是在连续图像对间使用SIFT特征寻找匹配对应点对,SIFT是具有较强稳健性的描述子,能够比其他描述子产生更少的错误点,但是该方法仍不是很完美;使用RANSAC算法估计出图像间的单应性矩阵,判定哪些点对是正确的,哪些点对是错误的,即使用一个阈值来决定哪些单应性矩阵是合理的;然后将所有的图像扭曲到一个公共的图像平面上。
通常,这里的公共平面为中心图像平面。一种方法是创建一个很大的图像,比如将图像中全部填充0,使其和中心图像平行,然后