魯棒估計

詳細描述

函式
double	cv::sfm::fundamentalFromCorrespondences7PointRobust (InputArray x1, InputArray x2, double max_error, OutputArray F, OutputArray inliers, double outliers_probability=1e-2)
	穩健地估計兩個 2D 點資料集（影像座標空間）之間的基礎矩陣。
double	cv::sfm::fundamentalFromCorrespondences8PointRobust (InputArray x1, InputArray x2, double max_error, OutputArray F, OutputArray inliers, double outliers_probability=1e-2)
	穩健地估計兩個 2D 點資料集（影像座標空間）之間的基礎矩陣。

函式文件

fundamentalFromCorrespondences7PointRobust()

double cv::sfm::fundamentalFromCorrespondences7PointRobust	(	InputArray	x1,
		InputArray	x2,
		double	max_error,
		OutputArray	F,
		OutputArray	inliers,
		double	outliers_probability = 1e-2 )

#include <opencv2/sfm/robust.hpp>

穩健地估計兩個 2D 點資料集（影像座標空間）之間的基礎矩陣。

引數

x1	檢視 1 中 2D 點的 2xN 輸入陣列。
x2	檢視 2 中 2D 點的 2xN 輸入陣列。
max_error	最大誤差（以畫素為單位）。
F	輸出 3x3 基礎矩陣，使得 \(x_2^T F x_1=0\)。
inliers	輸出 1xN 向量，其中包含檢測到的內點的索引。
outliers_probability	離群值機率（在 ]0,1[ 中）。迭代次數使用以下公式控制：\(k = \frac{log(1-p)}{log(1.0 - w^n )}\)，其中 \(k\)、\(w\) 和 \(n\) 分別是迭代次數、內點比例和所選獨立樣本的最小數量。此值越高，函式選擇隨機樣本的次數就越少。

基本求解器依賴於 7 點解決方案。返回與解決方案 F 相關的最佳誤差（以畫素為單位）。

fundamentalFromCorrespondences8PointRobust()

double cv::sfm::fundamentalFromCorrespondences8PointRobust	(	InputArray	x1,
		InputArray	x2,
		double	max_error,
		OutputArray	F,
		OutputArray	inliers,
		double	outliers_probability = 1e-2 )

#include <opencv2/sfm/robust.hpp>

穩健地估計兩個 2D 點資料集（影像座標空間）之間的基礎矩陣。

引數

x1	檢視 1 中 2D 點的 2xN 輸入陣列。
x2	檢視 2 中 2D 點的 2xN 輸入陣列。
max_error	最大誤差（以畫素為單位）。
F	輸出 3x3 基礎矩陣，使得 \(x_2^T F x_1=0\)。
inliers	輸出 1xN 向量，其中包含檢測到的內點的索引。
outliers_probability	離群值機率（在 ]0,1[ 中）。迭代次數使用以下公式控制：\(k = \frac{log(1-p)}{log(1.0 - w^n )}\)，其中 \(k\)、\(w\) 和 \(n\) 分別是迭代次數、內點比例和所選獨立樣本的最小數量。此值越高，函式選擇隨機樣本的次數就越少。

基本求解器依賴於 8 點解決方案。返回與解決方案 F 相關的最佳誤差（以畫素為單位）。