DLT算法求解单应性矩阵

DLT算法求解单应性矩阵

原理:

单应性矩阵描述了两个图像之间的投影变换关系,即从一张图到另一张图的变换。

下面是DLT算法的基本原理:

  1. 构建投影方程: 对于两个图像中的对应点 ( x , y , 1 ) (x, y, 1) (x,y,1) ( u , v , 1 ) (u, v, 1) (u,v,1) ,投影关系可以用齐次坐标表示为 c [ u v 1 ] = H [ x y 1 ] c \begin{bmatrix} u \\ v \\ 1 \end{bmatrix} = H \begin{bmatrix} x \\ y \\ 1 \end{bmatrix} c uv1 =H xy1 c c c 只是一个常数,由于是齐次坐标,所以不影响 )。这里的 H H H 3 × 3 3 \times 3 3×3 矩阵)是我们要求解的单应性矩阵

H = [ h 1 h 2 h 3 h 4 h 5 h 6 h 7 h 8 h 9 ] H =\begin{bmatrix} h1 & h2 & h3 \\ h4 & h5 & h6 \\ h7 & h8 & h9 \end{bmatrix} H= h1h4h7h2h5h8h3h6h9

  1. 构建矩阵 A A A 将上面的投影方程展开成 A h = 0 Ah = 0 Ah=0 的形式,其中 A A A 是一个 2 n × 9 2n \times 9 2n×9 的矩阵, h h h 是包含矩阵 H H H 所有元素的列向量

A = [ − x 1 − y 1 − 1 0 0 0 u 1 x 1 u 1 y 1 u 1 0 0 0 − x 1 − y 1 − 1 v 1 x 1 v 1 y 1 v 1 ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ − x n − y n − 1 0 0 0 u n x n u n y n u n 0 0 0 − x n − y n − 1 v n x n v n y n v n ] A = \begin{bmatrix} -x_1 & -y_1 & -1 & 0 & 0 & 0 & u_1x_1 & u_1y_1 & u_1 \\ 0 & 0 & 0 & -x_1 & -y_1 & -1 & v_1x_1 & v_1y_1 & v_1 \\ \vdots & \vdots & \vdots & \vdots & \vdots & \vdots & \vdots & \vdots & \vdots \\ -x_n & -y_n & -1 & 0 & 0 & 0 & u_nx_n & u_ny_n & u_n \\ 0 & 0 & 0 & -x_n & -y_n & -1 & v_nx_n & v_ny_n & v_n \\ \end{bmatrix} A= x10xn0y10yn010100x10xn0y10yn0101u1x1v1x1unxnvnxnu1y1v1y1unynvnynu1v1unvn

h = [ h 1 h 2 h 3 h 4 h 5 h 6 h 7 h 8 h 9 ] h=\begin{bmatrix}h1&h2&h3&h4&h5&h6&h7&h8&h9\end{bmatrix} h=[h1h2h3h4h5h6h7h8h9]

  1. 奇异值分解(SVD): 对矩阵 A A A 进行奇异值分解,得到 A = U Σ V T A = U \Sigma V^T A=UΣVT。取 V T V^T VT 的最后一列作为 h h h​ 的估计

    方程的最小二乘解有一个既定的结论,即对 A A A 进行SVD分解,得到的 V T V^T VT 的最后一行 即是 h h h 的解,对 h h h 做 reshape 得到 H H H

实现:

根据你提供的信息,DLT(Direct Linear Transform)算法用于通过最小二乘法来估计单应性矩阵 H H H,以拟合两组特征点之间的关系。下面是DLT算法的具体步骤:

  1. 构建矩阵 A A A 对于每一对特征点 ( x , y , 1 ) (x, y, 1) (x,y,1) ( u , v , 1 ) (u, v, 1) (u,v,1),构建一个对应的矩阵 A i A_i Ai。将所有这些矩阵堆叠成一个大矩阵 A A A

    def get_Ai(xi_vector, xi_prime_vector):assert (xi_vector.shape == (3,) and xi_prime_vector.shape == (3,))Ai = np.zeros((2, 9))Ai[0] = np.array([-xi_vector[0], -xi_vector[1], -1, 0, 0, 0, xi_vector[0] * xi_prime_vector[0],xi_vector[1] * xi_prime_vector[0], xi_prime_vector[0]])Ai[1] = np.array([0, 0, 0, -xi_vector[0], -xi_vector[1], -1, xi_vector[0] * xi_prime_vector[1],xi_vector[1] * xi_prime_vector[1], xi_prime_vector[1]])assert (Ai.shape == (2, 9))return Ai
    

    A i = [ − x − y − 1 0 0 0 u x v y u v 0 0 0 − x − y − 1 u x v y u v ] A_i = \begin{bmatrix} -x & -y & -1 & 0 & 0 & 0 & ux & vy & uv \\ 0 & 0 & 0 & -x & -y & -1 & ux & vy & uv \\ \end{bmatrix} Ai=[x0y0100x0y01uxuxvyvyuvuv]

    def get_A(points_source, points_target):N = points_source.shape[0]A = np.zeros((2 * N, 9))for i in range(len(points_target)):Ai = get_Ai(points_source[i], points_target[i])A[2 * i:2 * i + 2] = Aiassert (A.shape == (2 * N, 9))return A
    
  2. SVD分解: 对矩阵 A A A 进行奇异值分解(SVD),得到 A = U Σ V T A = U \Sigma V^T A=UΣVT 。取 V T V^T VT 矩阵的最后一行作为矩阵 h h h

  3. Reshape: 将向量 h h h reshape 为 3 × 3 3 \times 3 3×3 的单应性矩阵 H H H

    def get_homography(points_source, points_target):A = get_A(points_source, points_target)_, _, Vt = np.linalg.svd(A)Homo = Vt[-1].reshape((3, 3))assert (Homo.shape == (3, 3))return Homo
    

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/741723.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【JS】JavaScript 中 this 关键字

JavaScript 中 this 关键字 this 是什么this 的绑定规则this 的指向 this 是什么 this 是一个关键字,能够在函数执行过程中访问运行环境,它的值根据函数的调用方式和上下文而变化,所以 this 是动态的,动态指向当前函数的运行环境…

Lazada全托管是什么?Lazada全托管ERP哪个好用?

做工厂及拥有自有品牌的你,是否因为跨境的头程费用、仓储费用、尾程费用如何结算而烦恼?是否因为不懂市场、不懂运营、不够专业而对跨境电商领域望而却步?那么,你或许可以尝试全托管。 一、什么是全托管 全托管是近两年电商领域…

Python之函数进阶-柯里化

Python之函数进阶-柯里化 柯里化是一种将多参数函数转化为单参数高阶函数的技术。 具体来说,柯里化过程会将一个接受多个参数的函数,转换成一系列接受一个参数的函数,这些函数在内部组合起来,最终完成原函数的运算。 柯里化是一…

【一】【设计模式】类关系UML图

1. 继承(Generalization) 继承是对象间的一种层次关系,允许子类继承并扩展父类的功能。 UML线:带有空心箭头的直线,箭头指向基类(父类)。 class Parent {public void parentMethod() {System.…

AIOps 智能运维:有没有比专家经验更优雅的错/慢调用分析工具?

作者:图杨 工程师小 A 刚刚接手他们公司最核心的电商系统的运维工作,小 A 发现,在生产环境中,系统明明运行得非常稳定,但是总会出现一些“诡异”的情况。比如: 偶尔会一些错误调用,但是&#…

Android UI:ViewTree中的事件传递

文章目录 ViewTree: 组合模式measure事件的传递 事件传递: View/ViewGroup的measure和onMeasureLinearLayout重写onMeasureRelativeLayout重写onMeasurelayout事件的传递 事件传递:View/ViewGroup的layout和onLayout LinearLayout重写onLayout RelativeLayout重写onLayoutdraw…

C语言--数据到字符串的相互转换:将数据转换为2进制,16进制,10进制,8进制 字符串类型;字符串转换为整型 常用的函数 与stdlib 库函数说明

数据 --> 字符串(2进制16进制10进制8进制) 包含&#xff1a;整型数据转换为 2进制字符串&#xff1b; 整型数据转换为16机制数据&#xff1b;整型数据转换为 10进制字符串&#xff1b; 1. 整型数据转换为 2 进制数据字符串&#xff1a; #include <stdio.h>// 将整…

python: inspect模块各函数的用法

python: inspect模块各函数的用法 inspect模块也被称为 检查现场对象。这里的重点在于“现场”二字&#xff0c;也就是当前运行的状态。 inspect模块提供了一些函数来了解现场对象&#xff0c;包括 模块、类、实例、函数和方法。 inspect函数主要用于以下四个方面 对是否是模…

浅谈如何自我实现一个消息队列服务器(1)——需求分析

文章目录 一、什么是消息队列&#xff1f;二、当下主流的消息队列(MQ)三、自我实现一个消息队列服务器的前期准备——需求分析3.1 核心概念3.2 broker server 核心概念3.2.1、虚拟主机&#xff08;Virtual Host&#xff09;3.2.2、交换机&#xff08;Exchange&#xff09;3.2.2…

shopee店铺降权了怎么办?shopee店铺降权恢复步骤

当您发现自己的Shopee店铺被降权时&#xff0c;这意味着您的产品在搜索结果中的排名下降&#xff0c;从而可能导致流量和销售额的减少。面对这种情况&#xff0c;您需要采取一系列措施来恢复或提升店铺的权重。以下是一些具体的步骤和拓展的原因分析&#xff1a;一&#xff1a;…

3、设计模式之工厂模式2(Factory)

一、什么是工厂模式 工厂模式属于创建型设计模式&#xff0c;它用于解耦对象的创建和使用。通常情况下&#xff0c;我们创建对象时需要使用new操作符&#xff0c;但是使用new操作符创建对象会使代码具有耦合性。工厂模式通过提供一个公共的接口&#xff0c;使得我们可以在不暴露…

【深度学习笔记】7_7 AdaDelta算法

注&#xff1a;本文为《动手学深度学习》开源内容&#xff0c;部分标注了个人理解&#xff0c;仅为个人学习记录&#xff0c;无抄袭搬运意图 7.7 AdaDelta算法 除了RMSProp算法以外&#xff0c;另一个常用优化算法AdaDelta算法也针对AdaGrad算法在迭代后期可能较难找到有用解的…

嵌入式驱动学习第三周——linux内核链表

前言 在 Linux 内核中使用最多的数据结构就是链表了&#xff0c;其中就包含了许多高级思想。 比如面向对象、类似C模板的实现、堆和栈的实现。 嵌入式驱动学习专栏将详细记录博主学习驱动的详细过程&#xff0c;未来预计四个月将高强度更新本专栏&#xff0c;喜欢的可以关注本博…

C#无法给PLC写入数据原因分析

一、背景 1.1 概述 C#中无法给PLC写入数据的原因有很多&#xff0c;这里分享网络端口号被占用导致无法写入的确认方法 1.2 环境 ①使用三菱PLC ②C#通过网口与PLC进行通讯 二、现象 1.1 代码 通过HslCommunication连接PLC时&#xff0c;连接返回成功&#xff0c;写入返回失败 …

snakeflow的springboot项目

Gitee搜索“liuxz/snakerflow”&#xff0c;它是spring boot集成了一款国产工作流引擎snakerflow。 下面是安装步骤&#xff1a; 创建数据库snaker-web&#xff0c;字符集设置成utf8mb4和utf8mb4_generic。不然的话&#xff0c;中文插入不进去。 运行sql命令 CREATE TABLE …

Kotlin:泛型

点击查看泛型中文文档 点击查看泛型英文文档 简介 与 Java 类似&#xff0c;Kotlin 中的类也可以有类型参数&#xff1a; class Box<T>(t: T) {var value t }一般来说&#xff0c;要创建这样类的实例&#xff0c;我们需要提供类型参数&#xff1a; val box: Box<…

调试安卓 gles性能瓶颈

目录 下载Arm Performance Studio编译Unity Shader运行malios调试用处和限制 原文请见&#xff1a;参考地址 使用mali offline shader compiler分析shader的性能瓶颈。 下载Arm Performance Studio 下载地址 编译Unity Shader 通常选择GLES3x。 You might need to select G…

智能控制:物联网智能插座对接文档

介绍 一开始买的某米的插座&#xff0c;但是好像接口不开放&#xff0c;所以找到了这个插座&#xff0c;然后自己开发了下&#xff0c;用接口控制插座开关。wifi的连接方式&#xff0c;通电后一般几秒后就会连接上wifi&#xff0c;这个时候通过接口发送命令给他。 产品图片 通…

idea配置自定义注释模版和其他模板

项目场景&#xff1a; idea配置自定义模版 自定义注释模版其他模板&#xff0c;包括syso快捷键&#xff0c;swith快捷键等 自定义注释模版 1、File and Code Templates 第一种类创建完后头部自动生成注释模板 打开idea&#xff0c;选择 Settings--> Editor--> File a…