稳健估计

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)
	稳健地估计两组二维点（图像坐标空间）之间的基础矩阵。
double	cv::sfm::fundamentalFromCorrespondences8PointRobust (InputArray x1, InputArray x2, double max_error, OutputArray F, OutputArray inliers, double outliers_probability=1e-2)
	稳健地估计两组二维点（图像坐标空间）之间的基础矩阵。

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>

稳健地估计两组二维点（图像坐标空间）之间的基础矩阵。

参数

x1	视图1中的输入2xN二维点数组。
x2	视图2中的输入2xN二维点数组。
max_error	最大误差（以像素为单位）。
F	输出3x3基础矩阵，使得 \(x_2^T F x_1=0\)。
inliers	输出1xN向量，包含检测到的内点的索引。
outliers_probability	异常值概率（在 ]0,1[ 中）。迭代次数由以下等式控制：\(k = \frac{log(1-p)}{log(1.0 - w^n )}\)，其中\(k\)、\(w\)和\(n\)分别表示迭代次数、内点比率和选定独立样本的最小数量。此值越高，函数随机选择样本的次数就越少。

基础求解器依赖于7点解。返回与解F相关的最佳误差（以像素为单位）。

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>

稳健地估计两组二维点（图像坐标空间）之间的基础矩阵。

参数

x1	视图1中的输入2xN二维点数组。
x2	视图2中的输入2xN二维点数组。
max_error	最大误差（以像素为单位）。
F	输出3x3基础矩阵，使得 \(x_2^T F x_1=0\)。
inliers	输出1xN向量，包含检测到的内点的索引。
outliers_probability	异常值概率（在 ]0,1[ 中）。迭代次数由以下等式控制：\(k = \frac{log(1-p)}{log(1.0 - w^n )}\)，其中\(k\)、\(w\)和\(n\)分别表示迭代次数、内点比率和选定独立样本的最小数量。此值越高，函数随机选择样本的次数就越少。

基础求解器依赖于8点解。返回与解F相关的最佳误差（以像素为单位）。