Image processing 计算机视觉图像的三维变换

下面是问题的简化（但给出了本质）。假设我在空间中有一个参考位置/方向的盒子和一个已知位置/方向的校准摄像机C。我为盒子拍照，可以在投影图像B上识别N个特征点x_I

现在假设有人将长方体（刚体变换）移动相对较小的量。我拍摄了一张盒子的照片，可以再次识别N个特征点x*\u I。我想求解刚体变换T

我的策略是等效地假设长方体没有移动，并且假设我有另一个摄影机C*，它是通过变换T的逆变换摄影机C找到的。因此，N个点x_I是相对于摄影机C*的图像B上的投影特征点

因此，我相信我可以从两组投影图像点解出基本矩阵E（前提是我有足够的——我想我需要8）。（由于摄像机经过校准，我想我可以只使用基本矩阵，而不是基本矩阵？）从那里我可以使用矩阵分解来提取描述摄像机差异的旋转和平移变换。与之相反的是我想要的变换

---

这听起来会奏效吗？如果我找不到8个特征点，但只找到3个，会怎么样？我能得到基本矩阵的估计值吗？还是完全错了？

是的，它会起作用，即使是一些丢失的功能，只要你能分辨出哪个是哪个，也有可能解决。据我所知，你至少需要像你说的那样得到8分。您所描述的是“运动结构”算法的工作原理。请在本课程的第3张幻灯片上查找，然后在第20张幻灯片上查找：8点算法。它与你所说的完全相关。如果你在不了解结构形式运动的情况下意识到了这一切，那么我真的很感动

以下是讲座的链接：

---

是的，它会起作用，即使是一些丢失的功能，只要你能分辨出哪个是哪个，也有可能解决。据我所知，你至少需要像你说的那样得到8分。您所描述的是“运动结构”算法的工作原理。请在本课程的第3张幻灯片上查找，然后在第20张幻灯片上查找：8点算法。它与你所说的完全相关。如果你在不了解结构形式运动的情况下意识到了这一切，那么我真的很感动

以下是讲座的链接：