我拍了一些照片,我试图在谷歌地图上映射/转换成卫星图像。通常,我只需要4对点就可以有效地应用透视变换。然而,这在我的情况下是没有用的,因为有两个原因:
因此,我想用4个以上的点对透视变换进行最小二乘估计,这样我就能得到更好的拟合。不过,我不知道怎样做。
为此,我使用Python和/或OpenCV,因此使用这些库的解决方案将是有帮助的。
发布于 2014-03-17 05:25:10
单形比仿射强一点(它不保留平行线)。它需要4个点或更多(findHomography使用RANSAC并使用线性解选择其最佳的一组inliers;然后在最小二乘意义上对距离残差进行非线性优化)。您必须提供尽可能多的匹配(>=4),但尽量避免太多不准确的匹配。
最小二乘的原始统计模型是ML (极大似然),它在存在噪声的情况下找到最优解。RANSAC对异常值的存在进行补偿。但是,算法中没有任何东西可以补偿系统偏差。如果它们不能被建模为噪声或离群点,那么解决方案就不能很好地定义。如果异常值的数目(在拒绝异常值之后)小于4,则将找不到解决方案。
https://stackoverflow.com/questions/22443568
复制相似问题