Después de encontrar los puntos clave correspondientes, puede ajustar una matriz de homografía de modo que asigne los puntos correspondientes entre sí. La transformación lineal directa (DLT) junto con el consenso de muestras aleatorias (RANSAC) se usa normalmente para aproximar la matriz de homografía H.
[matemáticas] H_ {ij} = {H_ {ji}} ^ {- 1} [/ matemáticas]
Dadas dos imágenes [matemáticas] i [/ matemáticas] y [matemáticas] j [/ matemáticas] y dos pares de puntos correspondientes [matemáticas] p_ {i} [/ matemáticas] y [matemáticas] p_ {j} [/ matemáticas] de cada imagen respectivamente. La homografía opera en coordenadas homogéneas de modo que la proyección se define como:
[matemáticas] \ hat {p_1} = H_ {ji} \ hat {p_ {i}} [/ matemáticas]
- ¿Por qué el álgebra lineal es una asignatura difícil para muchos estudiantes?
- ¿Los ejes xey tienen que encontrarse a 90 grados?
- ¿Cómo mostrarías eso: si [math] A = \ begin {bmatrix} 3 & -4 \\ 1 & -1 \ end {bmatrix} [/ math], [math] A ^ n = \ begin {bmatrix} 1 + 2n & -4n \\ n & 1 – 2n \ end {bmatrix} [/ math] para entero n?
- ¿Cuál es la representación matricial del vector laplaciano?
- Cómo encontrar una matriz cuadrada binaria (los elementos son solo 0 o 1) si se da la suma de filas y columnas
[matemáticas] \ hat {p_2} = H_ {ij} \ hat {p_ {j}} [/ matemáticas]
Donde [matemáticas] \ hat {p} = [p, 1] [/ matemáticas] coordenadas homogéneas
Necesita calcular el error de reproyección como
[matemáticas] e_ {reproj} = \ frac {1} {2} (|| p_ {j} – p_1 || + || p_ {i} – p_2 ||) [/ matemáticas]
Luego, clasifique si un par de puntos son valores internos o externos aplicando un umbral de reproyección, [math] t [/ math], al error de reproyección.
Un par de puntos correspondientes [matemáticas] p_ {i} [/ matemáticas] y [matemáticas] p_ {j} [/ matemáticas] son inliers si:
[matemáticas] e_ {reproj} <t [/ matemáticas]
Y valores atípicos de lo contrario
Después de pasar por todos los pares [math] n [/ math] correspondientes, tendrá el número de inliers [math] n_ {inlier} [/ math] y outliers [math] n_ {outlier} [/ math]
[math] n = n_ {inlier} + n_ {outlier} [/ math]
Lo último que debe hacer es decidir si las dos imágenes coinciden simplemente analizando los valores internos y externos de manera probabilística. Puede usar la distribución Binomial para eso.
Espero que esto ayude.