Homography单应性矩阵程序实现

来源：互联网发布：数据库获取当前时间编辑：程序博客网时间：2024/06/06 14:04

单应性矩阵重要应用在求解两幅图像的映射关系，或者图像坐标与世界坐标的映射关系。
这里主要在张正有相机标定法的基础上，求解H。
具体理论为请点：相机标定法-张正有

Opencv程序实现

        std::vector<Point2f> pt1(4);        std::vector<Point2f> pt2(4);        pt1[0] = Point2f(0,0) ;            pt1[1] = Point2f(1,0) ;         pt1[2] = Point2f(1,1) ;         pt1[3] = Point2f(0,1) ;          pt2[0] = Point2f(496.01f,147.48f); //496.0167  147.4822                     pt2[1] = Point2f(492,419);                         pt2[2] = Point2f(118,355);                            pt2[3] = Point2f(200,98);         std::vector<unsigned char> inliersMask(4);        cv::Mat h = cv::findHomography( (Mat)pt1, (Mat)pt2, CV_FM_RANSAC, 1.0,inliersMask);

Matlab程序实现

m=[496.01,492,118,200;147.48,419,355,98;1,1,1,1];M=[0 1 1 0;     0 0 1 1;    1 1 1 1 ];load ('mx1.mat');NP = size(m,2);p=ones(2*NP,9);for i=1:NP     %每幅图像取NP个点    p(2*i-1,:)=[M(:,i)' 0 0 0 -m(1,i)*M(:,i)'];    p(2*i,:)=  [0 0 0 M(:,i)' -m(2,i)*M(:,i)'];end;[U S V]=svd(p); %正交分解H=V(:,9);       %取V的最后一列H=H/H(9);       %归一化options = optimset('LargeScale','off','LevenbergMarquardt','on');% 使用lsqnonlin进行非线性最小二乘求解x = lsqnonlin( @fun1, reshape(H,1,9) , [],[],options, m, M);H=reshape(x,3,3);         % 将矩阵H恢复为3*3H=H';f=H;

0 0