笔记-An Iterative Image Registration Technique with an Application to Stereo Vision

An Iterative Image Registration Technique with an Application to Stereo Vision

图像迭代配准方法在立体视觉方面的应用

初学，很多问题、错误，非常欢迎批评指正。

A is registered with B，将A进行变换，使其拍摄相机坐标与b的坐标相同+共用一个尺度

in approximate registration 我现在的理解是 相机的 位置等一系列参数相同

感谢CSDN其他博主相关理解翻译

https://blog.csdn.net/u010008615/article/details/50741917?utm_source=blogxgwz0

https://cloud.tencent.com/developer/article/1163547

配准算法

如果你要写博客，绝不是为了给自己找存在感或者打镇定剂，而是真正的学会，东西。

光流算法

$\mathrm{I}(x+\delta x,y+\delta y,z+\delta z,t+\delta t)=I(x,y,z,t)+\frac{\partial I}{\partial x}\delta x+\frac{\partial I}{\partial y}\delta y+\frac{\partial I}{\partial z}\delta z+\frac{\partial I}{\partial t}\delta t+H.O.T$

HOT指更高阶，在移动小时可以忽略

故

∂ I ∂ x δ x + ∂ I ∂ y δ y + ∂ I ∂ z δ z + ∂ I ∂ t δ t = 0 \begin{array}{l}\frac{ {\partial I}}{ {\partial x}}\delta x + \frac{ {\partial I}}{ {\partial y}}\delta y + \frac{ {\partial I}}{ {\partial z}}\delta z + \frac{ {\partial I}}{ {\partial t}}\delta t{\rm{ = 0}} \end{array}