Math 摄像机位移估计
我目前正在做一个实验，我拍了多张照片 使用固定相机位置拍摄不同日子的场景。 问题是，在现实世界中，很难保留相机 完全固定 我需要的是修正我自动得到的小偏差。研究 考虑到更复杂的假设，我创建了返回的方法，比如camera 姿态估计、单应估计等。 对我来说，仅仅发现图像平面上的运动就足够了 x和y。 一个完美的解决方案是一个函数，例如： 函数[movx movy]=检测运动（im1、im2） 我已经提出的解决方案是计算一些图像特征，比如哈里斯或 hessian，匹配它们，然后手动选择最好的并使用差异 将它们的位置作为摄像机的位移估计。我不知道这是否好Math 摄像机位移估计,math,image-processing,computer-vision,multiple-views,Math,Image Processing,Computer Vision,Multiple Views,我目前正在做一个实验，我拍了多张照片 使用固定相机位置拍摄不同日子的场景。 问题是，在现实世界中，很难保留相机 完全固定 我需要的是修正我自动得到的小偏差。研究 考虑到更复杂的假设，我创建了返回的方法，比如camera 姿态估计、单应估计等。 对我来说，仅仅发现图像平面上的运动就足够了 x和y。 一个完美的解决方案是一个函数，例如： 函数[movx movy]=检测运动（im1、im2） 我已经提出的解决方案是计算一些图像特征，比如哈里斯或 hessian，匹配它们，然后手动选择最好的并使用差异
足够了，但是如果它是自动的，那就更好了。您可以通过提取兴趣点周围的特征描述符来自动进行特征匹配。看看这个OpenCV教程，了解如何执行。特征匹配后，运行RANSAC或最小二乘法以找到x和y偏移的最佳拟合。这将给你一个像样的相机运动估计
另一种选择是计算两帧之间检测到的兴趣点，然后按照上述RANSAC或最小二乘法程序计算最佳x和y偏移。可能更准确，但同时可能会被证明是过分的。您可以通过提取兴趣点周围的特征描述符来自动进行特征匹配。看看这个OpenCV教程，了解如何执行。特征匹配后，运行RANSAC或最小二乘法以找到x和y偏移的最佳拟合。这将给你一个像样的相机运动估计 另一种选择是计算两帧之间检测到的兴趣点，然后按照上述RANSAC或最小二乘法程序计算最佳x和y偏移。可能更准确，但同时也可能被证明是过火了