我使用Nister的5点方法来计算基本矩阵。使用RANSAC和Sampson误差阈值进一步改进了异常值抑制。我随机选择5个点集，估计基本矩阵并评估匹配向量的Sampson误差。 Sampson误差低于阈值t（在我所拥有的示例中设置为0.01）的点坐标被设置为内点。对所有基本矩阵重复该过程，并保留具有最佳内点的分数。
我注意到d的大多数值，即sampson误差的向量太大了：例如，如果d的大小是（1x1437），如果我做的话 G =查找（ABS（d）＆GT; 0.01）; 长度（G）
然后长度（g）= 1425这意味着只有7个值是这个阈值的内部值，这是不正确的！
如何设置阈值？如何解释Sampson错误值？
请帮帮我。谢谢
答案 0 :(得分：11)
Sampson距离是几何距离的一阶近似。可以理解如下：
给定一个基本矩阵F和一对对应关系（x，x＆＃39;）使得x＆＃39; Fx = e，这对应的距离/误差是多少？几何距离是针对所有对应关系（y，y＆＃39;）定义的，使得y＆＃39; Fy = 0，|| xy || ^ 2 + || x＆＃39; -y＆＃39; |的最小值。 | ^ 2（换句话说，最接近的对应关系到（x，x＆＃39;），它完全满足F矩阵）。并且可以证明Sampson误差是该最小距离的第一近似值。
直观地，Sampson误差可以粗略地认为是点x与相应的极线x＆f; F之间的平方距离。在这种情况下，0.01的阈值太小（您很少找到基本矩阵，使得所有对应都在0.1像素精度内）。根据图像对的大小/分辨率/质量，建议的阈值将在1到10之间（1~3像素误差）。
答案 1 :(得分：2)
0.01是一个太小的阈值。 作为最后一个答案，1到10更好。
x和x＆＃39;使用sampson误差意味着它们都不在每个极线上，我们需要为这两个点计算这个误差。
如果你修复x，使用F和x计算第二张图像中的线条（x＆＃39;在此图像上），然后你可以计算点到线的距离（x＆＃39;到极线） 。这意味着你认为x点是正确的，就在它的行中。
这两种方式不同。
答案 2 :(得分：0)
0.01就不会太小，也就是说你将像素坐标与逆内在参数矩阵相乘。