从特征点匹配对求取本质矩阵的方法一般是用五点法,这篇论文给出了一种迭代优化求解的方法。这里记录一些知识点和疑点,欢迎探讨和指教。
-
Generators of Lie group
在大部分其他材料中看到的generators是下面这样的(From Lie Groups for 2D and 3D Transformations),与论文中选择的不同,不知道为啥这个论文要这样选呢。当然二者用于实现都是ok的,不过用不同的generators时后面对 t ^ \hat{t} t^的参数化也要相应改变(hint:注意[1 0 0]^T in the right null space of G3这句话)。 -
Parameterization of t ^ \hat{t} t^
这里是一个 S 2 S^2 S2流形,可以参考Minimization on the Lie Group SO(3) and Related Manifolds,注意这里的区别哈哈。但是更深层地解释为啥用SO(3)参数化S2的表达式是这样写呢,估计要再补一些群论的知识了。
这里还有个疑问,假如知道大致的位移初值,应该如何参数化作为优化的初值呢????? -
Derivatives
这里的求导都是针对残差r的,优化的时候注意jacobian的正负号:From Gauss-Newton / Levenberg-Marquardt Optimization