鲁棒估计

详细描述

函数
double	cv::sfm::fundamentalFromCorrespondences7PointRobust (InputArray x1, InputArray x2, double max_error, OutputArray F, OutputArray inliers, double outliers_probability=1e-2)
	鲁棒地估计两组 2D 点（图像坐标空间）之间的基本矩阵。
double	cv::sfm::fundamentalFromCorrespondences8PointRobust (InputArray x1, InputArray x2, double max_error, OutputArray F, OutputArray inliers, double outliers_probability=1e-2)
	鲁棒地估计两组 2D 点（图像坐标空间）之间的基本矩阵。

函数文档

fundamentalFromCorrespondences7PointRobust()

double cv::sfm::fundamentalFromCorrespondences7PointRobust	(	InputArray	x1,
		InputArray	x2,
		double	max_error,
		OutputArray	F,
		OutputArray	inliers,
		double	outliers_probability = 1e-2
	)

#include <opencv2/sfm/robust.hpp>

鲁棒地估计两组 2D 点（图像坐标空间）之间的基本矩阵。

参数

x1	视图 1 中的 2xN 2D 点的输入数组。
x2	视图 2 中的 2xN 2D 点的输入数组。
max_error	最大误差（以像素为单位）。
F	输出 3x3 基本矩阵，使得 \(x_2^T F x_1=0\)。
inliers	输出包含已检测内点索引的 1xN 向量。
outliers_probability	外点概率（在 ]0,1[ 内）。使用以下等式控制迭代次数：\(k = \frac{log(1-p)}{log(1.0 - w^n )}\) 其中 \(k\)、\(w\) 和 \(n\) 是迭代次数、内点比率和独立采样最小数。此值越高，函数随机采样的次数就越少。

基本求解器依赖于 7 点解。返回最佳误差（以像素为单位），关联到解 F。

fundamentalFromCorrespondences8PointRobust()

double cv::sfm::fundamentalFromCorrespondences8PointRobust	(	InputArray	x1,
		InputArray	x2,
		double	max_error,
		OutputArray	F,
		OutputArray	inliers,
		double	outliers_probability = 1e-2
	)

#include <opencv2/sfm/robust.hpp>

鲁棒地估计两组 2D 点（图像坐标空间）之间的基本矩阵。

参数

x1	视图 1 中的 2xN 2D 点的输入数组。
x2	视图 2 中的 2xN 2D 点的输入数组。
max_error	最大误差（以像素为单位）。
F	输出 3x3 基本矩阵，使得 \(x_2^T F x_1=0\)。
inliers	输出包含已检测内点索引的 1xN 向量。
outliers_probability	外点概率（在 ]0,1[ 内）。使用以下等式控制迭代次数：\(k = \frac{log(1-p)}{log(1.0 - w^n )}\) 其中 \(k\)、\(w\) 和 \(n\) 是迭代次数、内点比率和独立采样最小数。此值越高，函数随机采样的次数就越少。

基本求解器依赖于 8 点解。返回最佳误差（以像素为单位），关联到解 F。