基本矩阵的估计和图像矫正教程解析.docVIP

基本矩阵的估计和图像矫正 Atsuhiko Banno , Katsushi Ikeuchi Information Sciences 183 (2012) 140–150 基本矩阵（F矩阵）是计算机视觉领域中最基本和最重要的工具之一。传统的估计矩阵的方法是采用八点算法。首先，对于一个近似矩阵的线性求解需要计算至少八个成对的点。这种线性优化算法缺乏一个基本属性，“基本矩阵秩等于2”的约束，一个基于奇异值分解的方法是强行给它家上约束。但是这样用奇异值分解在最后会造成额外的噪声。几种方法参数体系考虑到秩等于2的约束和非线性五奇异值分解的优化。在本文中，我们提出一个新的包含这个约束条件的非线性最优化参数法。我们采用双四元（DQ）和一个标量参数设定。此外，通过所提出的参数化，我们可以得到2个输入图像的变换。这些变换导致估计的极线矫正的图像对的新方法。这中矫正方法可以处理任何图像对无论极点是在图像内部或外部的。 F矩阵描述的关系是从不同拍摄点拍摄同一场景的图像，它还提供有关位置和摄像机参数的信息。计算F矩阵最常用的是八点算法。要得到至少八个对应的图像点对。在这种算法下，我们可以很容易的使用线性方法来估计矩阵。但是八点算法对额外噪声十分敏感。为了克服这一缺点。哈特利引入一个坐标使图像标准化归一化。但是这种线性方法有一个缺点，那就是排除了秩等于2的约束。为了强加约束，这个F矩