Matrix 五点基本矩阵估计的Sampson误差

我使用Nister的5点法计算基本矩阵。使用RANSAC和Sampson误差阈值进一步改进了异常值抑制。我随机选择5个点集，估计基本矩阵并计算匹配向量的Sampson误差。Sampson误差低于阈值

t

（在我使用的示例中设置为

0.01

）的点坐标被设置为内线。对所有基本矩阵重复该过程，我们保留内联线得分最佳的矩阵

我注意到，

d

的大多数值，即sampson错误向量太大：例如，如果

d

的大小为（1x1437），如果我这样做

然后

length（g）=1425

，这意味着只有7个值是该阈值的内联项，这是不正确的

如何设置阈值？如何解释Sampson错误值

---

请帮帮我。谢谢

桑普森距离是几何距离的一阶近似值。可以理解如下：

给定一个基本矩阵F和一对对应关系（x，x'），使得x'Fx=e，这对对应关系的距离/误差是多少？几何距离是为所有对应关系（y，y'）定义的，因此y'Fy=0，| | | x-y | | ^2+| | x'-y'| | ^2的最小值（换句话说，精确满足F矩阵的最接近（x，x'）的对应关系对）。可以证明，桑普森误差是这个最小距离的一阶近似值

---

直观地说，桑普森误差可以粗略地认为是一个点x到对应的极线x'F之间的平方距离。在这种情况下，0.01的阈值太小了（你很少能找到一个基本矩阵，使得所有对应都在0.1像素精度内）。根据图像对的大小/分辨率/质量，建议的阈值将介于1到10之间（1到3像素错误）。

0.01是一个太小的阈值。 作为最后一个答案，1到10更好

x和x'使用桑普森误差意味着它们都不在各自的极线上，我们需要计算这两个点的误差

如果固定x，使用F和x计算第二幅图像中的线（此图像上的x'），则可以计算点到线（x'到极线）的距离。这意味着你认为x点是正确的，就在它的直线上

---

这两种方法是不同的。

0.01在处理标准化摄影机时不是太小，也就是说，将像素坐标与反向固有参数矩阵相乘

我认为，从你的回答来看，有点不清楚为什么不能在相应的极线上投射x，x'，并求出点和它们的投射之间的距离。

g=find(abs(d)>0.01);
length(g)