#!/usr/bin/env python # -*- coding: utf-8 -*- # @Time : 2019/2/16 21:29 # @Author : Seven # @File : ImageJoin.py # @Software: PyCharm # function : 图片拼接 import cv2 import numpy as np def get_s

#!/usr/bin/env python # -*- coding: utf-8 -*- # @Time : 2019/3/2 21:36 # @Author : Seven # @File : ImageMatching-SURF.py # @Software: PyCharm # function : 使用SURF进行提取特征点进行图片匹配 import cv2 # 加载图片

#!/usr/bin/env python # -*- coding: utf-8 -*- # @Time : 2019/3/2 22:26 # @Author : Seven # @File : ImageMatching-SIFT.py # @Software: PyCharm # function : 使用SIFT进行提取特征点进行图片匹配 import cv2 # 加载图片

#!/usr/bin/env python # -*- coding: utf-8 -*- # @Time : 2019/3/4 14:35 # @Author : Seven # @File : ImageMatching-Harris.py # @Software: PyCharm # function : 使用Harris进行提取特征点进行图片匹配 # 选择了一种速度、特征点数

#!/usr/bin/env python # -*- coding: utf-8 -*- # @Time : 2019/3/4 12:54 # @Author : Seven # @File : ImageMatching-ORB.py # @Software: PyCharm # function : 使用ORB进行提取特征点进行图片匹配 import cv2 # 加载图片 im

#!/usr/bin/env python # -*- coding: utf-8 -*- # @Time : 2019/3/4 13:57 # @Author : Seven # @File : ImageMatching-FAST.py # @Software: PyCharm # function : 使用FAST进行提取特征点进行图片匹配 import cv2 # 加载图片

特征匹配【基本问题】 特征点匹配 暴力搜索与2NN判据 设两帧图像中的对应特征点集${𝑥𝑖,𝑦_𝑖}$和${𝑥_𝑖^′,𝑦_𝑖^′}$，共N个特征点 对应点 $𝐱_𝒋=(𝑥_𝑗,𝑦_𝑗)$，匹配点为距离最小点 $𝐱_𝑗^′=𝑥_𝑗^′∗,𝑦_𝑗^′∗=𝑚𝑖𝑛{𝑘=1}^𝑁||x_𝑗−𝑥_𝑘^′||$ ，对应距离$𝑑_𝑗^∗$ 进一步

立体视觉【基本概念】 我们在二维视角中，结构和深度是不确定的 立体视觉：第2个照相机可以解决这种歧义性，通过三角化实现深度测量 【平行双目视觉】 假设双目完全平行 空间点三维座标位置求解 视差和深度成反比关系: $z_1 = \frac{bf_x}{u_1-u_2}$ 空间点三维座标位置求解：一般情况 二摄像机坐标系与世界坐标系位姿关系已知 共4个方程，三个未知数，

极线几何 有时候我们使用一个相机进行拍摄目标物体的时候，会 发现几个物体都重合了，但是当我们再放台相机的时候，就可以把这些物体的特征获取到。 也就是双目视觉对应关系，同时也可用于相邻两帧间的运动估计。 【基本概念】 极线几何(Epipolar geometry) (匹配)极线约束：匹配点必须在极线上 基线：左右像机光心连线 极平面：空间点，两像机光心决定的平面 极点：基线与两摄像机图像平面的

相机标定【基本问题】 相机内外参数标定 计算$m_{ij}$的解 分解内、外参数 考虑非线性项 【Zhang方法】 Zhang方法：由张正友提出，OpenCV等广泛使用 特点：使用平面靶标摆多个pose(可未知) 标定步骤 对一个pose,计算单应矩阵(类似M矩阵) 有三个以上Pose，根据各单应矩阵计算线性相机参数； 使用非线性优化方法计算非线性参数 第一步：求解单应