理论部分:
- 本节介绍的数据归一化方法,包括图像坐标的平移和尺度缩放。
- 注意:归一化必须在实施DLT之前进行,而且是实质性的,一定不要视它为可有可无!!!之后再对结果进行适当的校正就能得到关于原坐标系的变换。(数据归一化对于不太良定的问题(如:基本矩阵和三焦点张量的DLT)计算显得尤为重要!!!)
- 归一化的好处:1)提高了结果的精度;2)对初始数据归一化的算法将对任何尺度缩放和坐标原点的选择不变,预先清除了坐标变换的影响。 代数最小化在一个固定的标准坐标系中进行,因而使DLT算法实际上关于相似变换不变。
各向同性(对(x,y,z)坐标等量)缩放步骤:
- 对点进行平移使其形心位于原点;
- 对点进行缩放使它们到原点的平均距离等于;
- 对两幅图像