本质矩阵E、基本矩阵F、单应矩阵H

  1. E (归一化坐标对进行计算)= t ^ R 为3*3的矩阵, 因为R,t共有6个自由度,又因为单目尺度等价性,所以实际上E矩阵共有5个自由度。因此至少需要5个点对来求解。

  2. 基本矩阵F= :根据两帧间匹配的像素点对儿计算

  3. 3*3且自由度为7的矩阵

  4. kF也为基础矩阵,即相差一个尺度自由度

  5. F矩阵的秩为2

考虑到尺度等价性约束减一,另外det(F)=0,再减一,所以应该是7自由度。

3.H矩阵: 通过两帧间的像素点对儿 求解,但要求这些点的空间位置共面为3*3且自由度为8的矩阵

H可以将二维射影空间 中的一个点变换到另一个点 。根据射影空间的性质,必然存在一个 3*3的矩阵H,考虑到尺度的影响,H的自由度为8.

相关推荐
晨曦夜月6 小时前
map与unordered_map区别
算法·哈希算法
小陈phd6 小时前
TensorRT 入门完全指南(一)——从核心定义到生态工具全解析
人工智能·笔记
CeshirenTester6 小时前
从0到1学自动化测试该怎么规划?
人工智能
:mnong6 小时前
以知识驱动 AIAD 行业进化
人工智能·cad
图码6 小时前
如何用多种方法判断字符串是否为回文?
开发语言·数据结构·c++·算法·阿里云·线性回归·数字雕刻
ZhengEnCi7 小时前
03-注意力机制基础 📚
人工智能
handler017 小时前
Linux 内核剖析:进程优先级、上下文切换与 O(1) 调度算法
linux·运维·c语言·开发语言·c++·笔记·算法
minglie17 小时前
实数列的常用递推模式
算法
我是大聪明.7 小时前
CUDA矩阵乘法优化:共享内存分块与Warp级执行机制深度解析
人工智能·深度学习·线性代数·机器学习·矩阵