Camera 基本矩阵的摄像机矩阵
我试图从基本矩阵中提取相机矩阵。我找到了一些答案 在这些答案中,他们建议我使用Camera 基本矩阵的摄像机矩阵,camera,computer-vision,camera-calibration,extrinsic-parameters,Camera,Computer Vision,Camera Calibration,Extrinsic Parameters,我试图从基本矩阵中提取相机矩阵。我找到了一些答案 在这些答案中,他们建议我使用newE其中[U,S,V]=svd(E)和newE=U*diag(1,1,0)*Vt。我不明白为什么我需要使用newE。我知道,奇异值是唯一的。因此,将奇异值更改为diag(1,1,0)似乎会使E变成完全不同的值 我也读过“计算机视觉中的多视图几何”,但它只是指理想情况,即奇异值为(1,1,0)。我没有找到使用newE的原因 请任何人解释一下为什么人们使用newE?如果我正确理解了你的问题,那么既然你的源数据(因此
newE
其中[U,S,V]=svd(E)
和newE=U*diag(1,1,0)*Vt
。我不明白为什么我需要使用newE
。我知道,奇异值是唯一的。因此,将奇异值更改为diag(1,1,0)
似乎会使E
变成完全不同的值
我也读过“计算机视觉中的多视图几何”,但它只是指理想情况,即奇异值为(1,1,0)。我没有找到使用newE
的原因
请任何人解释一下为什么人们使用
newE
?如果我正确理解了你的问题,那么既然你的源数据(因此E
)通常是嘈杂的真实世界数据,那么就使用diag(1,1,0)
您正在约束矩阵,使其具有正确的比例和秩,并以代数方式强制几何约束
Wikipedia也解释了这一点。如果我正确理解了你的问题,那么由于你的源数据(因此
E
)通常是有噪声的真实世界数据,那么通过使用diag(1,1,0)
你将矩阵约束为具有正确的比例和等级,并以代数方式强制几何约束
维基百科也解释了这一点。谢谢你的回答。这样,可以满足约束条件,但结果似乎不正确。结果可靠吗?谢谢你的回答。这样,可以满足约束条件,但结果似乎不正确。结果是否相当可靠?