Matrix 本质矩阵的Hartley归一化

为了使用8pt算法计算基本矩阵，必须首先规范化中列出的点。但是，如果我想在校准图像（即基本矩阵）上使用8pt算法，我是否需要规范化图像平面上的点

对于基本矩阵，我执行以下操作（在MATLAB伪代码中）：

对于essential matrix，我可以做同样的事情，但多做一步：

features1 = K * features1
features2 = K * features2

---

其中K是我的校准矩阵。或者哈特利标准化只适用于像素平面上的点吗？

我认为计算基本矩阵时不需要对点进行标准化。您需要对基本矩阵进行规格化，因为您的点以像素为单位，并且通常比齐次w坐标（即1）大几个数量级

---

另一方面，在计算基本矩阵时，点位于标准化图像坐标中，将原点移动到主点，然后除以以像素为单位的焦距。所以你的点已经被有效地标准化了。

我认为你不需要标准化点来计算基本矩阵。您需要对基本矩阵进行规格化，因为您的点以像素为单位，并且通常比齐次w坐标（即1）大几个数量级

---

另一方面，在计算基本矩阵时，点位于标准化图像坐标中，将原点移动到主点，然后除以以像素为单位的焦距。所以你的点已经被有效地规范化了。

PS我知道E有一个5pt算法，但它是非线性的，因此实现起来要复杂得多。PS我知道E有一个5pt算法，但它是非线性的，因此实现起来要复杂得多

features1 = K * features1
features2 = K * features2