从特征匹配中估计基本矩阵或本质矩阵

Question

我通过使用opencv中的内置函数来估计基本矩阵和基本矩阵。我使用ORB和蛮力匹配器为函数提供输入点。这些是我所面临的问题:

1。我从内置函数中计算的基本矩阵与我从数学计算中发现的基本矩阵不匹配，使用基本矩阵为E=k.t()F k

2。当i改变用于计算F和E的点数时，F和E的值也在不断变化。该函数使用Ransac方法。我怎么知道哪个值是正确的??

3。我还使用了一个内置函数来分解E并从4个可能的解中找到正确的R和T。R和T的值也随着e的变化而变化，更令人关注的是方向向量T的变化没有规律。假设它在X方向上的值是E，如果我改变了E的值，它就改变了Y或z, Y是这样发生的????。还有其他人有同样的问题吗??

如何解决这个问题?我的项目包括从图像中测量物体。欢迎任何建议或帮助!!

Answer 1

1. F和E都被定义为一个比例因子。它可能有助于规范化矩阵，例如，除以最后一个元素。
2. RANSAC是一个随机算法，所以你每次都会得到不同的结果。您可以通过对点进行三角测量或计算重投影误差来测试它的变化程度。如果结果变化太大，您可能需要增加RANSAC试验的次数或降低距离阈值，以确保RANSAC收敛到正确的解决方案。

Answer 2

1. 是的，计算基本矩阵每次给出不同的矩阵，因为它被定义为一个比例因子。
2. 它是一个秩2矩阵，具有7DOF(3 rot, 3 trans, 1 scaling)。
3. 基本矩阵为3X3矩阵，F33(第3栏第3行)为比例因子。
4. 你会问为什么我们在F33处附加常数矩阵，因为(X-Left)F(x-Right)=0，这是一个具有无限解的齐次方程，我们通过使F33恒定来添加约束。