Computer vision 欧氏单应矩阵的分解

Computer vision 欧氏单应矩阵的分解,computer-vision,Computer Vision,我正在研究单应分解在控制中的一些应用 根据Ma的参考,这是一个好的和全面的参考,我已经实现了代码 但是,当我想要验证结果解决方案(即其中4个)时,我发现结果不正确。 具体来说,我们有(Re1,tde1)和(Re2,tde2)(代表R_估计值R_1…) 根据定义,X1和X2应该通过X2=R*X1+t(R,t是实际的旋转和平移)来关联。因此,估计的解决方案应显示相同的特征,即在某种意义上X2=Re1*X1+tde1 (即使tde1=t/d,d未知) 由于这本书没有给出这4个解的明确推导,我实际上怀疑

我正在研究单应分解在控制中的一些应用

根据Ma的参考,这是一个好的和全面的参考,我已经实现了代码

但是,当我想要验证结果解决方案(即其中4个)时,我发现结果不正确。 具体来说,我们有(Re1,tde1)和(Re2,tde2)(代表R_估计值R_1…) 根据定义,X1和X2应该通过X2=R*X1+t(R,t是实际的旋转和平移)来关联。因此,估计的解决方案应显示相同的特征,即在某种意义上X2=Re1*X1+tde1 (即使tde1=t/d,d未知)

由于这本书没有给出这4个解的明确推导,我实际上怀疑它们的正确性

如果你有任何意见,请给我一些帮助


谢谢

我找到了遗漏的步骤和概念,解决了这个问题。这一章是正确的。但有些概念没有得到很全面的解释

马的书的流程输入的是欧几里德单应矩阵,而我输入的是射影单应矩阵,这导致了错误的答案