Matlab 为什么分解单应矩阵需要摄像机的本质？

opencv和matlab都具有分解同形矩阵的功能。这需要单应矩阵H和摄像机的固有特性K。我不明白为什么它需要K

每个函数实现都引用“Malis”（）。在第7页，它讨论了内在矩阵K，但从未使用过它。看起来没有必要吗

---

好吧，为了找到R，T，你必须知道K。参考文献中的公式（1）清楚地显示了这一点（在你的例子中给出了单应性G，你正在寻找相机姿势R，T）。在不知道K的情况下，没有办法解R，T

以后是否使用K取决于您将如何处理该姿势。如果你要将3D地标投影到图像上，你也必须知道K

---

不确定我是否在告诉您任何新的内容…

以下是我对您链接的文档的理解（“对基于视觉控制的单应性分解的深入理解”）。如果我错了，请纠正我

分解同调需要K从射影单应G计算欧氏单应H。

H=K_inv*G*K（公式2）

R、 t和n将根据欧几里德单应矩阵计算（公式3）

Opencv函数分解同调矩阵假设得到一个投影单应矩阵作为输入（非欧几里德）！ 请注意，在链接的文档中，投影单应矩阵称为G（不是H！），而欧几里德单应矩阵称为H

投影单应矩阵基于点的向量p-图像坐标计算。（像素）

阿尔法p*p\U c=G*p\U星

欧几里德单应矩阵基于向量m“从相机姿势观察的点的归一化投影坐标”（例如米）计算

阿尔法m*m_c=H*m_星

式中：-c-当前帧_d-期望帧；阿尔法-仅比例因子

图像和投影坐标之间的关系为：

m=K_inv*p

摄像机内参数的K矩阵；K_inv-矩阵K的逆

更清楚地说：

p_c=G*p_星

->K*K_inv*p_c=G*K*K_inv*p_星

->K*m_c=G*K*m_星

->m_c=K_inv*G*K*m_星

->m_c=H*m_星

记住： K_inv*K=I-单位矩阵