动机:在平面上的点
回顾:正向投影
世界坐标系到相机坐标系的变换
透视矩阵方程(相机坐标系到成像坐标系)
成像坐标系到像素坐标系
从成像坐标(x,y)到像素坐标(u,v)的二维仿射变换Maff
平面上点的投影
单应性矩阵H(平面投影变换)
单应性矩阵H(平面投影变换)
对于平面,3D到2D的透视投影降为2D到2D的变换。,并且此变换是可逆的
特殊情况:正平面
如果平面垂直于光轴(相机坐标系的Z轴),怎么办?
世界坐标系旋转矩阵简化为:
所以正平面的单应性简化为:
是一个相似变换
转换到像素坐标系
平面投影图
总结:平面投影
应用单应性变换去除透视畸变
针对平面建筑面,4组匹配点对足以
鸟瞰图的单应性变换
图像拼接的单应性变换
两个实际问题
-
给定四个或更多匹配点对,如何估计对应的单应性矩阵(将会用最小二乘法推导)
-
如何(反向)映射图像像素值以生成新图片(上一节课讲的)
估计单应性矩阵
矩阵形式:
方程形式:
*度?
这里有有个变量 h11,…,h33,所以*度是9?
并不是。
注意,我们可以将所有 hij 乘以非零常数 k,而不必改变方程组
采用8*度
一种方法:设 h33 = 1
第二方法:增加单位向量约束
单位向量约束:
代数距离的最小二乘
设 h33 = 1 :
乘以分母:
整理:
线性方程:
解:
Matlab:
注意:数值调节
R.Hartley: “In Defense of the Eight Point Algorithm”
八点法Eight Point Algorithm
观察:根据点对应关系对射影变换参数进行线性估计时,常常会遇到矩阵条件差(poor “conditioning” )的问题。这意味着这样的解法对对应点的噪声敏感(即使没有外点)。
为了得到更好的答案,通过对每个点集进行规范化来对矩阵进行预处理,方法是:
- 将点集质心平移为原点
- 缩放,使点集与原点的平均距离为sqrt(2)。
- 对每个点集独立进行标准化
Hartley的预处理
更一般的方法
设 h33 = 1 可能会产生什么问题?
如果 h33 实际上等于0,我们就不能得到正确的答案。
代数距离,||h||=1
||h||=1:
乘以分母:
整理:
齐次方程:
解:
设 h 为与矩阵 D 中最小特征值相关联的矩阵 U 的列(也就是单位特征向量)
(注:如果只有4个点,则该特征值为0)