如何从单应变换矩阵

时间:2016-11-15 07:31:29

标签: matrix transformation perspective homography

在提出的方法中,基于使用SIFT / SURF / ORB方法找到的特征匹配点找到单应性变换参数矩阵。 H(单应矩阵)= | a b p |                        | c d q |                        | m n s |

其中a,b,c和d元素用于缩放,旋转,反射和剪切。 m和n元素用于翻译。用于缩放。 p和q是投影元素。

我用Reference image 0000000.jpg  和Sense image 0000001.jpg。从这些图像中,我发现使用SURF找到匹配的对应点,并发现单应矩阵为: 1.1777 -0.003198 -57.0282 0.0250 1.14970 -103.581 0.00000578 -0.0000011 1

来自数据集已经给出了数据的内在和外在参数。 固有摄像机K矩阵值为:“k11 k12 k13 k21 k22 k23 k31 k32 k33焦距径向失真1,径向失真2.外在[R t]矩阵如下:r11 r12 r13 r21 r22 r23 r31 r32 r33 t1 t2 t3” 。

如果Z不存在则r31,r32和r33为零。

当t1 t2和t3为零时使用Homography几何,否则该几何被视为极线几何。

该图像的投影矩阵是K * [R t]。旋转和平移基于右手坐标系。我们考虑单应性几何。因此,投影矩阵H = KR(K)-1(它基于不同的调查论文)。

相机矩阵的内部参数(3x3)K = 1606.293463 0.000 536.000000 0.000 1606.293463 356.000000 0.000 0.000 1.000

旋转矩阵(3x3)是R = 0.882736 -0.04381​​6 -0.467823 0.040970 0.999028 -0.016262 0.468080 -0.004811 0.883673

因此,基于该等式,H(同态投影变换矩阵)H = KR(K)-1 = 1.03893 -0.04542 -818.50793 0.14471 0.99796 -144.37276 0.00029 -0.00000 0.72855

我的问题如下: 1)为什么矩阵的这些粗体值(单应矩阵的p和q参数)与提出的矩阵值不匹配?

2)如何将我方法的变换参数与数据集的变换参数进行比较?

谢谢,

0 个答案:

没有答案