Computer vision 积分RANSAC计算本质矩阵

我已经使用5点算法计算了基本矩阵。我不知道如何将其与ransac整合，因此它给了我更好的结果

这是源代码

目前，我正在考虑计算5个随机点的基本矩阵，然后将基本矩阵转换为基本矩阵，并使用此方程x'Fx=0查看误差阈值。但我不确定，之后该怎么办

---

如何知道将哪些点设置为大纲视图？如果错误太大，是否立即将其设置为大纲视图？根据其他4个点是什么，一个点可能会产生不同的基本矩阵吗？

好吧，这里有一个简短的解释，用伪代码，说明如何将其与ransac集成。基本上，Ransac所做的就是使用数据的一个子集计算您的模型（这里是基本的），然后查看其余数据是否对该结果“满意”。它会保留数据集中最高部分“满意”的结果

最高快乐点数=-1；
最佳估计基本矩阵=恒等式；
对于iter=1至最大iter编号：
n_pts=获取n_随机点（P）//从点集合P中获取n个点的子集。您可以使用5个，但也可以使用更多。
E=计算基本值（n分）；
快乐点数=0；
对于P中的pt：
//我们想知道pt对计算出的E是否满意
err=成本函数（pt，E）//例如，您建议的x^TFx，或带有essential的x^TEX。
如果（最高快乐点数）：
最高快乐点数=快乐点数；
最佳估计基本矩阵=E；

这应该能奏效。通常，您可以通过实验将某个阈值设置为较低的值。当然还有更复杂的RANSAC，你可以通过谷歌很容易地找到它们

我认为你使用

x^TFx

的想法很好

一旦此Ransac完成，您将拥有

最佳估计值\u基本矩阵

。异常值是指

x^TFx

值大于可选阈值的值

要回答您的最后一个问题，是的，一个点可以在给定4个不同点的情况下生成不同的矩阵，因为它们的空间配置不同（可能存在退化情况）。在理想的设置中，情况并非如此，但我们总是存在噪音、匹配错误等，因此最终的结果是，你用5个点得到的方程不会产生与其他5个点完全相同的结果

---

希望这有帮助

您好，在您的示例中，似乎您在每个循环中都保留了异常值，但根据wiki，您应该在每次传递时删除异常值。这是正确的吗？我认为在RANSAC过程中不应该删除异常值。假设您随机选择用于估算的前五个点是真正意义上的异常值（它们只是数据中的噪声，例如错误匹配）。使用它们，您将得到一个基本矩阵

E_bad

，与之相关的这五个点将是内联线。然而，其余的点（真正的内联线）大多是关于

E_bad

的异常值。所以在这种情况下，消除异常值实际上意味着消除好的数据。是的，我就是这么想的。谢谢祝你新年快乐！

highest_number_of_happy_points=-1;
best_estimated_essential_matrix=Identity;

for iter=1 to max_iter_number:    
    n_pts=get_n_random_pts(P);//get a subset of n points from the set of points P. You can use 5, but you can also use more.

    E=compute_essential(n_pts);

    number_of_happy_points=0;
    for pt in P:
        //we want to know if pt is happy with the computed E
        err=cost_function(pt,E);//for example x^TFx as you propose, or X^TEX with the essential.
        if(err<some_threshold):
            number_of_happy_points+=1; 
    if(number_of_happy_points>highest_number_of_happy_points):
        highest_number_of_happy_points=number_of_happy_points;
        best_estimated_essential_matrix=E;