Sampson Error/Sampson Distance

Sampson误差是复杂性介于代数误差和几何误差之间，但非常近似于几何误差的一种误差

先介绍一下代数误差，代数误差简单的说就是误差函数值的模，例如$Ah=ϵ$的代数误差为$||Ah|{|}^2$,其中$ϵ$为误差向量，代数误差计算简便，但一般没有实际的物理意义，利用代数误差求出来的解可以用来做初值

几何误差，在图像中可以看成点和点之间的几何距离，若$\hat{x}=Hx$,那么几何误差为$d(\hat{x},Hx)$,想要使几何误差最小，需要同时估计$x,\hat{x},H$,复杂性太高，因此引入了sampson误差（或者说sampson距离）

sampson error

对于一点$X$,满足$C_H(X)=0$,他的估计点为$\hat{X}=X+{\delta }_x,C_H(\hat{X})=0$
$$C_H(X+{\delta }_X)=C_H(X)+\frac{\partial C_H}{\partial X}{\delta }_X$$

$$C_H(X)+\frac{\partial C_H}{\partial X}{\delta }_X=0$$

记为
$$J{\delta }_X=-ϵ$$

因此问题转化为求满足上式条件下使$||{\delta }_X||$最小的${\delta }_X$

利用拉格朗日乘数法，引入拉格朗日乘子$\lambda$，问题转化为最小化${\delta }_X^T{\delta }_X-{\lambda }^T(J{\delta }_X+ϵ)$
不难求得Sampson误差为
$$||{\delta }_X|{|}^2={\delta }_X^T{\delta }_X={ϵ}^T(J{J}^T{)}^{-1}ϵ$$

在$x^{\prime }Fx=0$中，$\frac{{ϵ}^tϵ}{J{J}^t}=\frac{(x^{\prime }Fx{)}^2}{J{J}^T}$

$$J{J}^T=(F{x}_i{)}_1^2+(F{x}_i{)}_2^2+(F^T{x}_i^{\prime }{)}_1^2+(F^T{x}_i^{\prime }{)}_2^2$$
Sampson Distance为
$$||ϵ|{|}^2=\frac{(x^{\prime }Fx{)}^2}{(F{x}_i{)}_1^2+(F{x}_i{)}_2^2+(F^T{x}_i^{\prime }{)}_1^2+(F^T{x}_i^{\prime }{)}_2^2}$$

参考文献

Hartley R, Zisserman A. Multiple view geometry in computer vision[M]. Cambridge university press, 2003.