我正在做迭代最近点项目。有一个点集叫做a和b。我想找到适合a和b的变换矩阵。SVD可以很好地求解并得到旋转平移矩阵。现在我考虑做一些只旋转的关节,拟合a和b点集,不需要平移,只需要旋转。我在网上搜索了一些讨论说Levenberg-Marquardt算法可以解决这个问题。
我将代码复制到这里,并将代码修改为绝对方向问题的代价函数https://engineering.purdue.edu/kak/computervision/ECE661/HW5_LM_handout.pdf
,成本函数为
E=Σ|| Ra-b-t ||^2
R是旋转矩阵t是平移矩阵
的matlab代码如下,它将返回最佳旋转弧度"R"和平移"t":
a=[0 1 2 3 4 5 6 7 8 9;0 0 0 0 0 0 0 0 0 0];
b=[0 0.7074 1.4148 2.1222 2.8296 3.5369 4.2443 4.9517 5.6591 6.3665;0 -0.7068 -1.4137 -2.1205 -2.8273 -3.5341 -4.2410 -4.9478 -5.6546 -6.3614];
r0=0.0;
tx0=0;
ty0=0;
y_init = [cos(r0) -sin(r0);sin(r0) cos(r0)]*a-[tx0;ty0]*[1 1 1 1 1 1 1 1 1 1];
Ndata=length(b);
Nparams=3;
n_iters=50;
lamda=0.01;
updateJ=1;
r_est=r0;
tx_est=tx0;
ty_est=ty0;
for it=1:n_iters
if updateJ==1
J=zeros(Ndata*2,Nparams);
for i=0:length(a)-1
J(2*i+1,:)= [- a(2,i+1)*cos(r_est) - a(1,i+1)*sin(r_est), -1, 0];
J(2*i+2,:)= [ a(1,i+1)*cos(r_est) - a(2,i+1)*sin(r_est), 0, -1];
end
y_est = [cos(r_est) -sin(r_est);sin(r_est) cos(r_est)]*a-[tx_est;ty_est]*[1 1 1 1 1 1 1 1 1 1];
d=b-y_est;
H=J'*J;
if it==1
e=dot(d,d);
end
end
H_lm=H+(lamda*eye(Nparams,Nparams));
dp=inv(H_lm)*(J'*d(:));
H_lm;
inv(H_lm);
J'*d(:);
g = J'*d(:);
r_lm=r_est+dp(1);
tx_lm=tx_est+dp(2);
ty_lm=ty_est+dp(3);
y_est_lm = [cos(r_lm) -sin(r_lm);sin(r_lm) cos(r_lm)]*a-[tx_lm;ty_lm]*[1 1 1 1 1 1 1 1 1 1];
d_lm=b-y_est_lm;
e_lm=dot(d_lm,d_lm);
if e_lm<e
lamda=lamda/10;
r_est=r_lm;
tx_est=tx_lm;
ty_est=ty_lm;
e=e_lm;
updateJ=1;
else
updateJ=0;
lamda=lamda*10;
end
end
r_est
它与SVD等近似解一样有效。现在我不需要翻译,我想公式应该是
E=Σ|| Ra-b ||^2
这意味着我只旋转"a"并使"b"适合原点。
。代码如下,它将返回最佳旋转弧度"R":
a=[0 1 2 3 4 5 6 7 8 9;1 1 1 1 1 1 1 1 1 1];
b=[-1 -2 -3 -4 -5 -6 -7 -8 -9 -10;0 0 0 0 0 0 0 0 0 0];
%initial guess
r0=0;
y_init = [cos(r0) -sin(r0);sin(r0) cos(r0)]*a;
Ndata=length(b);
Nparams=1;
n_iters=50;
lamda=0.01;
updateJ=1;
r_est=r0;
for it=1:n_iters
if updateJ==1
J=zeros(Ndata,Nparams);
for i=0:length(a)-1
J(2*i+1,:)= [-a(2,i+1)*cos(r_est)-a(1,i+1)*sin(r_est)];
J(2*i+2,:)= [ a(1,i+1)*cos(r_est)-a(2,i+1)*sin(r_est)];
end
y_est = [cos(r_est) -sin(r_est);sin(r_est) cos(r_est)]*a;
d=b-y_est;
H=J'*J;
if it==1
e=dot(d,d);
end
end
H_lm=H+(lamda*eye(Nparams,Nparams));
dp=inv(H_lm)*(J'*d(:));
H_lm;
inv(H_lm);
J'*d(:);
g = J'*d(:);
r_lm=r_est+dp(1);
y_est_lm = [cos(r_lm) -sin(r_lm);sin(r_lm) cos(r_lm)]*a;
d_lm=b-y_est_lm;
e_lm=dot(d_lm,d_lm);
if e_lm<e
lamda=lamda/10;
r_est=r_lm;
e=e_lm;
updateJ=1;
else
updateJ=0;
lamda=lamda*10;
end
end
r_est
在这段代码中,我删除了代价函数的平移矩阵,然后做Levenberg-Marquardt算法,我希望它会返回适合"a"one_answers"b"点集的最佳旋转矩阵。但是,它总是返回最初的猜测值0。似乎我不能简单地删除代价函数中的平移矩阵来获得最佳旋转。
我应该怎么做来解决这个只有旋转的绝对方向问题?谢谢你的建议!
您也可以通过SVD来做到这一点。如果你想要旋转和平移,第一步就是从a和b中减去平均值。如果您只想要旋转,则省略此步骤,像以前一样计算旋转并忽略计算平移的最后一步。