slam中特征点归一化原因以及方法

 

简述

在计算H 或者 F矩阵的时候需要对特征点进行坐标变换，称之为归一化。

 

---

 

原因

前辈发现计算单应矩阵时变换特征点的坐标会得到更好的效果，包括坐标的平移和尺度缩放，并且这一步骤必须放在DLT之前。DLT之后再还原到原坐标系。

书本指出归一化与条件数确切的说是DTL矩阵A的第一个和倒数第二个奇异值的比例有关。有充分证据表明在精确数据和无限精度的算术运算条件下，归一化并不起作用，但是有噪声存在时解将偏离其正确结果。

 

个人推测：类似于机器学习中需要对数据进行归一化，减少数据因为尺度变化过大异常值等的原因影响结果。

---

 

步骤

1.将点进行平移使其形心（x,y的均值）位于原点。

2.对点进行缩放使特征点到原点的距离为根号2，即所有点“平均”位于（1，1,1）

3.对两幅图进行独立的上述变换

 

参考自《计算机视觉中的多视图几何》  3.4.4

 

---

 

代码实现 from ORBslam2 

 

/**
 * ＠brief 归一化特征点到同一尺度（作为normalize DLT的输入）
 *
 * [x' y' 1]' = T * [x y 1]' \n
 * 归一化后x', y'的均值为0，sum(abs(x_i'-0))=1，sum(abs((y_i'-0))=1
 *
 * @param vKeys             特征点在图像上的坐标
 * @param vNormalizedPoints 特征点归一化后的坐标
 * @param T                 将特征点归一化的矩阵 左乘
 */
void Initializer::Normalize(const vector<cv::KeyPoint> &vKeys, vector<cv::Point2f> &vNormalizedPoints, cv::Mat &T) {

    //第一步得到所有特征点的均值,并将所有点的均值为0
    float meanX = 0;
    float meanY = 0;
    for (int i = 0; i < vKeys.size(); i++) {
        meanX += vKeys[i].pt.x;
        meanY += vKeys[i].pt.y;
    }
    meanX /= vKeys.size();
    meanY /= vKeys.size();

    //第二步将所有点到原点的距离为根号2
    float meanDevX = 0;
    float meanDevY = 0;
    for (int i = 0; i < vKeys.size(); i++) {
        vNormalizedPoints[i].x = vKeys[i].pt.x - meanX;
        vNormalizedPoints[i].y = vKeys[i].pt.y - meanY;
        meanDevX += fabs(vNormalizedPoints[i].x); //fabs是求一个实数的绝对值  点到原点距离的累加
        meanDevY += fabs(vNormalizedPoints[i].y);
    }
    meanDevX /= vKeys.size(); //点到原点距离的平均值
    meanDevY /= vKeys.size();
    for (int i = 0; i < vKeys.size(); i++) {
        vNormalizedPoints[i].x /= meanDevX;
        vNormalizedPoints[i].y /= meanDevY;
    }

    //用于还原特征点到原始的坐标系,获得矩阵   |sX  0  -meanx*sX|  用于取逆     x    快速还原
    //                                  |0   sY -meany*sY|          *   y
    //                                  |0   0      1    |              1

    float sX = 1.0 / meanDevX;
    float sY = 1.0 / meanDevY;

    T = Mat::eye(3, 3, CV_32F);
    T.at<float>(0, 0) = sX;
    T.at<float>(0, 2) = -meanX * sX;
    T.at<float>(1, 1) = sY;
    T.at<float>(1, 2) = -meanY * sY;
    T.at<float>(2, 2) = 1;
}

 

转载于:https://www.cnblogs.com/FangLai-you/p/11192268.html