Оцените основную матрицу от соответствующих точек в стереоизображениях
estimateFundamentalMatrix
оценивает основную матрицу от соответствующих точек в стереоизображениях. Эта функция может быть сконфигурирована, чтобы использовать все соответствующие точки или исключить выбросы. Можно исключить выбросы при помощи устойчивого метода оценки, такие как согласие случайной выборки (RANSAC). Когда вы используете устойчивую оценку, результаты не могут быть идентичными между запусками из-за рандомизированной природы алгоритма.
возвращает 3х3 основную матрицу, F
= estimateFundamentalMatrix(matchedPoints1
,matchedPoints2
)F
, использование наименее среднего из квадратов (LMedS) метод. Точками ввода может быть M-by-2 матрицы количества M [x y] координаты или KAZEPoints
, SURFPoints
, MSERRegions
, ORBPoints
, или cornerPoints
объект.
[
дополнительно возвращает логические индексы, F
,inliersIndex
]
= estimateFundamentalMatrix(matchedPoints1
,matchedPoints2
)inliersIndex
, поскольку inliers использовался для расчета основной матрицы. inliersIndex
выходом является M-by-1 вектор. Функция устанавливает элементы вектора к true
когда соответствующая точка была использована для расчета основная матрица. Элементы установлены в false
если они не используются.
[
дополнительно возвращает код статуса.F
,inliersIndex
,status
]
= estimateFundamentalMatrix(matchedPoints1
,matchedPoints2
)
[
дополнительные опции использования заданы одним или несколькими аргументами пары Name,Value.F
,inliersIndex
,status
]
= estimateFundamentalMatrix(matchedPoints1
,matchedPoints2
,Name,Value
)
Используйте estimateEssentialMatrix
когда вы знаете внутренние параметры камеры. Можно получить внутренние параметры с помощью приложения Camera Calibrator. В противном случае можно использовать estimateFundamentalMatrix
функция, которая не требует внутренних параметров камеры. Обратите внимание на то, что основная матрица не может быть оценена от компланарных мировых точек.
[1] Хартли, R., А. Зиссермен, несколько просматривают геометрию в компьютерном зрении, издательстве Кембриджского университета, 2003.
[2] Rousseeuw, P., А. Лерой, устойчивая регрессия и Outlier Detection, John Wiley & Sons, 1987.
[3] Торр, P. H. S., и А. Зиссермен, MLESAC: новое устойчивое средство оценки с приложением к оценке геометрии изображений, компьютерного зрения и распознавания изображений, 2000.
ORBPoints
| detectFASTFeatures
| detectHarrisFeatures
| detectMSERFeatures
| detectMinEigenFeatures
| detectORBFeatures
| detectSURFFeatures
| epipolarline
| estimateUncalibratedRectification
| extractFeatures
| matchFeatures
| relativeCameraPose