Math 估计基本矩阵的8点算法
我正在看一个关于使用8点算法估计立体视觉中使用的基本矩阵的讲座。我知道一旦我们恢复了两个摄像机之间的基本矩阵,我们就可以计算出一个摄像机上的极线,给定另一个摄像机上的一个点。据我所知,这条极线(经过校正后)很容易找到特征对应,因为我们只是沿着一维线匹配特征 混淆源于这样一个事实,即8点算法本身需要至少8个特征对应来估计基本矩阵 那么,我们正在寻找点对应关系来恢复用于寻找点对应关系的矩阵Math 估计基本矩阵的8点算法,math,computer-vision,stereo-3d,stereoscopy,Math,Computer Vision,Stereo 3d,Stereoscopy,我正在看一个关于使用8点算法估计立体视觉中使用的基本矩阵的讲座。我知道一旦我们恢复了两个摄像机之间的基本矩阵,我们就可以计算出一个摄像机上的极线,给定另一个摄像机上的一个点。据我所知,这条极线(经过校正后)很容易找到特征对应,因为我们只是沿着一维线匹配特征 混淆源于这样一个事实,即8点算法本身需要至少8个特征对应来估计基本矩阵 那么,我们正在寻找点对应关系来恢复用于寻找点对应关系的矩阵 这似乎是一个鸡蛋悖论,所以我想我误解了什么。基本矩阵可以预先计算。这有两个好处: 您可以使用一个很好的环境,在
这似乎是一个鸡蛋悖论,所以我想我误解了什么。基本矩阵可以预先计算。这有两个好处: