计算机视觉中的多视图几何第三章ppt课件

第三章估计2D射影变换3.1 直接线性变换（DLT）算法射影变换由方程可得出一个可推出H的一个简单的线性解的方程：如果将矩阵H的第j行极为，那么第三章 估计2D射影变换3.1 直接线性变换（DLT）算1记，则叉积可以显式地写成：上式可变型为：（3.1）记 23.1式有的形式，h是由矩阵H的元素组成的9维列矢量:3.2式可写成（3.2）（3.3）3.1.1超定解如果给定的点的对应多于4组，那么由（3.3）导出的方程组是超定的。现实中我们对坐标的测量是不精确的，那么超定方程将除零解外不存在精确的h，为了避开这种情况我们就会添加约束条件，并寻找一个一个适当的代价函数取最小值的矢量h。3.1式有 的形3目标 给定n（n=4）组2D到2D的点对应，确定2D的单应矩阵H使得算法 （1）根据没组的对应点由（3.1）计算出矩阵 ，通常需要前两行。（2）将n个2X9的矩阵组成一个2nX9的矩阵 （3）求A的SVD.对应的最小特征值的单位特征矢量便是h （4）矩阵H由h确定3.2不同的代价函数3.2.1代数距离DLT最小化范数。矢量称为残差矢量，并要求最小化的正是该误差矢量的范数。矢量被称为关联于点对应和单应H的代数代数误差矢量差矢量。该矢量的范数是一个标量，称为代数距离代数距离：目标3.2不同的代价函数3.2.1代数距离DLT最小化范数 4对于任何两个矢量x1和x2，我们可以用更一般和简洁的写法：给定对应集的代数误差为：3.2.2几何距离几何距离是基于图像上距离的测量并最小化图像坐标的测量值与估计值之差。记号：号：矢量表示测量的图像坐标；表示该点的估计值而表示该点的真值。单图像像误差差我们考虑第一幅图像的测量准确，而误差只出现在第二幅图像中，这时适宜的最小量是转移误差。它是第二幅图像上的测量点与点之间的欧氏距离对于任何两个矢量x1和x2，我们可以用更一般和简洁的写法：给5算法要估计的单应是使转移误差取最小值的单应对称称转移移误差差更切合实际的是误差出现在两幅图像的上点的测量中，因而最小的化的应该是两幅图像的误差，则误差函数的构造不仅考虑前向的变换还同时考虑后向的变换，所得误差为3.2.3重投影误差两幅图像对两幅图像误差量化的另一种方法是估计每组对应的“校正值”。我们希望由测量值估计世界平面的点，然后把它重投影到估计上认为是完全匹配的对应上。现在我们要寻找一个单应和完全匹配的点对以最小化总的误差函数算法要估计的单应 是使转移误差取最小值的单应对63.2.4几何和代数距离的比较我们回到误差仅出现在第二幅图像上面，令并定义矢量。则误差代数距离为：而点对的几何距离为：可见只有当，可知当H为仿射变换时代数距离和几何距离是相等的。3.2.4几何和代数距离的比较我们回到误差仅出现在第二幅图像73.2.5 Sampson误差Sampson误差函数的思想是估计点的一阶近似并假设代价函数在被估计点附近有很好的线性近似。对给定的单应H，在上的任意点将满足Ah=0.为了突出代价函数对X的相关性，我们把它写为。设并希望，便得到，我们把它记成我们面临的最小化问题是求满足次方程的最小。即求在即求在满足足条件下使条件下使取最小取最小值的的矢量矢量3.2.5 Sampson误差Sampson误差函数的思想是8求解此类问题我们应用的是拉格朗日乘数法，引入拉格朗日乘子问题转化为：对求导得到：求解此类问题我们应用的是拉格朗日乘数法，引入拉格朗日乘子 93.3 变换不变性和归一化归一化的步骤：（1）对点进行平移使其形心位于原点 （2）对点进行缩放使他们到原点的平均距离等于 （3）对两幅图像独立进行上述变换目标算法 （1）归一化x：（2）（3）DLT：（4）解除归一化：3.3 变换不变性和归一化归一化的步骤：目标103.4 鲁棒估计在许多实际的运行中，因为点被错配而使这种假设无效，错配点我们称其为野值。目标 一个模型与含有野值的数据集S的鲁棒估计算法 （1）随机地从S中选择s个数据点组成一个样本作为模型的一个例示。（2）确定在模型距离阈值t内的数据Si，Si称为采样的数据集S中的内点 （3）如果Si的个数大于某个阈值T，用Si的所有点重估计模型并结束 （4）如果Si的数量小于T，则重现选择一个新的子集并重复上述步骤 （5）经过N次试验的选择一个Si个数最大，并用Si的所有点重估计模型3.4 鲁棒估计在许多实际的运行中，因为点被错配而使这种假设11