Homography知多少

yaked19

已于 2023-12-25 11:27:50 修改

阅读量1.2k

点赞数

分类专栏：视觉算法及标定文章标签：计算机视觉

于 2018-06-21 08:46:01 首次发布

本文链接：https://blog.csdn.net/yaked/article/details/80755072

版权

视觉算法及标定专栏收录该内容

23 篇文章 4 订阅 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文探讨了Homography矩阵的来源及其在计算机视觉中的应用，包括相机纯旋转和非共面情况下的坐标变换。作者指出，尽管HH矩阵通常用于平面场景，但在低视差或纯旋转情况下，它也能提供有效的一一对应映射。文章通过实例解释了HH矩阵在错误模型下的误差，并提出了使用多个HH矩阵提高鲁棒性的方法。此外，还简述了从HH矩阵到本征矩阵的转换，以及六点法在共面点问题上的局限性。整体内容源于《An Invitation to 3D Vision》一书，适合对SLAM和视觉几何感兴趣的读者深入研究。

摘要由CSDN通过智能技术生成

在ORB-SLAM初始化的时候，作者提到，如果场景是平面，或者近似平面，或者低视差时，我们能应用单应性矩阵(homography)，这三种情形在我应用SVO的过程中颇有同感，打破了我对HH矩阵的固有映像，即只能用于平面或近似平面。但是我不知道如何去具体分析这里面的误差，比如不共面的情况时，应用HH矩阵将一个图像坐标从图像1投影到图像2时，它会落在图像哪个位置？和实际位置的误差该怎么计算？误差会有多大？和哪些因素有关？另外，为何相机只做纯旋转运动时，不管平面还是非平面，HH矩阵都能应用？等等，一些列问题，让我感觉对homography了解很粗浅。

先简单回顾我脑海里的HH矩阵，让大家有点代入感，原谅我的啰嗦，进入正文以后就会尽量言简意赅。在没做视觉SLAM以前，通过opencv大概知道：利用两个图像中至少四个特征点能够求解一个单应性矩阵(homography matrix)，然后用这个单应性矩阵HH能够将图像1中的某个坐标(u,v)(u,v)变换到图像2中对应的位置(u′,v′)(u′,v′)。然而，那时忽略了两个图像能够计算HH的前提条件。在学SLAM过程中，知道HH矩阵的推导是来自于相机在不同位姿拍摄同一个三维平面&#x