计算机视觉-单应矩阵

1.基本概念

单应性矩阵Homogeneous 是射影几何中的一个术语,又称之为射影变换。当相机发生纯旋转,或者若场景中的特征点都落在同一平面上(比如墙,地面等)时,计算基础矩阵F 或者本质矩阵E 往往会有很大的误差(因为此时平移量t特别小),此时需要用到单应矩阵H. 单应矩阵主要用来解决两个问题:

(1)表述真实世界中一个平面与他对应图像的透视变换

(2)通过透视变换实现图像从一个视图变换到另一个视图的转换。

把一个射影平面上的点(三维齐次矢量)映射到另一个射影平面上,并且把直接射影为直线,具有保线性,总的来说单应是关于三维齐次矢量的一种线性变换,如图所示,两个平面之间的关系可以用一个3*3的非奇异矩阵H表示x1=Hx2,H表示单应矩阵,定义了八个自由度。这种关系定义为平面单应性

使用单应矩阵H 时假设所有像素都在一个平面上,单应矩阵H 直接描绘了图像坐标之间的关系,也就是第一帧图像是怎么线性扭曲到第二帧图像的。具体的,图像1中的像素

与图像2中对应的像素满足:

将单应矩阵H展开

2.求解方法

复制代码
Mat cv::findHomography 	( 	InputArray  	srcPoints,
		InputArray  	dstPoints,
		int  	method = 0,
		double  	ransacReprojThreshold = 3,
		OutputArray  	mask = noArray(),
		const int  	maxIters = 2000,
		const double  	confidence = 0.995 
	) 	

参数:

srcPoints:源平面中点的坐标矩阵,可以是CV_32FC2类型,也可以是vector类型

dstPoints:目标平面中点的坐标矩阵,可以是CV_32FC2类型,也可以是vector类型

method:计算单应矩阵所使用的方法。方法如下:

  • 0 - 利用所有点的常规方法
  • RANSAC - RANSAC-基于RANSAC的鲁棒算法
  • LMEDS - 最小中值鲁棒算法
  • RHO - PROSAC-基于PROSAC的鲁棒算法

ransacReprojThreshold:将点对视为内点的最大允许重投影错误阈值(仅用于RANSAC和RHO方法)

mask:可选输出掩码矩阵,通常由鲁棒算法(RANSAC或LMEDS)设置.

maxIters:RANSAC算法的最大迭代次数,默认值为2000。

confidence:可信度值,取值范围为0到1.

3 参考博客

视觉SLAM:单应矩阵_slam建图和单应性矩阵-CSDN博客

https://zhuanlan.zhihu.com/p/678088930

相关推荐
PingCAP6 分钟前
TiDB 亮相宜昌“医院‘云数智’技术实践研讨及成果展示交流会”,探讨国产化 + AI 背景下的数据库新趋势
数据库·人工智能·tidb
文弱_书生7 分钟前
再谈图像处理中的傅里叶变换
图像处理·人工智能·傅里叶变换
钡铼技术物联网关9 分钟前
ARM边缘计算时代:BLIoTLink如何打通设备互联任督二脉
arm开发·人工智能·边缘计算
小李独爱秋16 分钟前
机器学习开发全流程详解:从数据到部署的完整指南
人工智能·机器学习
闲人编程18 分钟前
形态学操作(腐蚀/膨胀/开闭运算)
python·opencv·图像识别
Dovis(誓平步青云)19 分钟前
深挖 DeepSeek 隐藏玩法·智能炼金术2.0版本
人工智能·深度学习·机器学习·数据挖掘·服务发现·智慧城市
陈明勇21 分钟前
一文掌握 MCP 上下文协议:从理论到实践
人工智能·后端·mcp
zskj_zhyl23 分钟前
智绅科技全场景智慧养老系统:助力老年人畅享幸福晚年
人工智能·科技
Lx35226 分钟前
区块链+AI:智能合约的自动化审计革命
人工智能
weixin_3875456430 分钟前
探索 GitHub Copilot:当 AI 成为你的贴身编码助手
人工智能·github·copilot