從圖像恢復相似和度量性質

2021-01-09 圖像那些式兒

#視覺slam與三維重建#

1.虛圓點及其對偶

1.1 虛圓點

虛圓點的幾何來源:圓與l∞的交點

二次曲線為圓時有a=c且b=0,則

該二次曲線交l∞於理想點,因此x3=0,因此有:

方程的兩個解即為兩個虛圓點。在相似變換下,l∞上有兩個不動點,它們是虛圓點(也稱絕對點)I,J,其標準坐標(可由方程(1)解出)是

這一對虛圓點是復共軛理想點,它們在保向相似變換下不變:

類似地,可以給出J的證明,一個反射變換使I和J交換,逆命題也成立,即如果虛圓點在一個線性變換下不動,那麼該線性變換必是相似變換。

結論1:在射影變換H下,虛圓點I和J為不動點的充要條件是H是相似變換。

1.2 與虛圓點對偶的二次曲線

曲線表示形式:

C*∞與虛圓點對偶,是由這兩個虛圓點構成的退化二次曲線(秩為2),在歐氏坐標系下寫為:

類似於虛圓點的不動性質,二次曲線C*∞在相似變換下也不變,因為C*∞是對偶二次曲線,他的變換遵循結論(C*'=HC*HT),可以驗證在點相似變換x'=Hs*x的下:

其逆命題也正確。

結論2:對偶二次曲線C*∞在射影變換H下不變的充要條件是H是相似變換。

在任何射影框架下,C*∞所具有的一些性質:

(1)有4個自由度,因為其是3x3非齊次對稱矩陣,3x3對稱5個自由度,非齊次(detC*∞=0)又增加了一個約束,也就是少了一個自由度。

(2)l∞是C*∞的零矢量

2.射影平面上的夾角和長度比

2.1 夾角

在歐氏幾何中,兩直線的夾角由它們法線的點成來計算,直線l=(l1,l2,l3)T和m=(m1,m2,m3)T的法線分別平行於(l1,l2)T和(m1,m2)T,其夾角為:

平面經仿射和射影變換後,公式(5)不能被使用,問題出在l和m的頭兩個分量在射影變換下沒有良定的變換性質(它們不是張量),但類似於公式(5),在射影變換下不變的公式為

通俗的說,歐氏空間中的平面經過仿射或射影變換後直線l和m影像為l'和m',將l'和m'代入公式(5),求出的θ角不等於原來歐式空間的角度,而代入公式(6)則相等。

結論3:一但二次曲面C*∞在射影平面上被辨認,那麼歐式角可以用公式(6)來測量。

結論3的推論:

結論4:如果射影平面上l'TC*∞m' = 0,則直線l和m正交。

2.2 長度比

一旦C*∞被辨認,長度比同樣可以測量,考察圖1中頂點為a,b,c的三角形,由正弦定理,長度比d(b,c):d(a,b) = sinα:sinβ,由點與線的關係可以求得l'=a'xb',m'=c'xa'和n'=b'xc',得到了l',m'和n'角度α,β就可以由公式(6)求出了。

圖1,由變換後的三角形求長度比

3.由圖像恢復相似度量性質

3.1 基本概念

對偶二次曲線C*∞幾乎包含了實現度量矯正所需的全部信息,它能確定射影變換中的仿射和射影成分,而只留下相似變換的失真,證明過程如下:

如果點變換是x=Hx',其中x'是場景中平面上的點,x'是x經過射影變換後的點。H的分解鏈如下:

按照C*'=HC*HT變換C*∞得:

顯然射影成分v和仿射成分K可以直接由C*∞的像C*∞'確定(先解K再解v),但相似成分(公式7中的s)不能確定。

結論5:在射影平面上,一旦C*∞被辨認,那麼射影失真可以矯正到相差一個相似變換。

實際上根據公式8中的第二行,可以先將C*∞'的SVD寫為:

SVD分解後求解得到的U就是相差一個相似變換的矯正映射,即HpHa=U

3.2 恢復相似的度量矯正方法

(1)分層法

這種方法的思路是先對影像進行仿射矯正(過程見),然後在仿射矯正後的影像上進行相似矯正。仿射矯正後我們還需要兩個約束來確定虛圓點進而進行相似矯正,這兩個約束可以是:

a.世界平面的兩個直角的影像

b.一個圓的影像(影像為橢圓,根據其與l∞的交點來確定虛圓點)

c.兩個已知線段的長度比

下面對的第一種情況(a)進行詳述:

假設已經仿射矯正的圖像中的直線l'和m'與世界平面上的一對垂直線l和m對應,根據結論4(l'TC*∞m' = 0)和公式8(其中v=0,因為已經進行了仿射矯正)得:

它是關於2x2矩陣S=KKT的線性約束,矩陣S是對稱矩陣並有三個獨立元素,去除無關緊要的全局尺度因子有2個自由度,因此公式10可以約簡為(l1',l2')S(m1',m2')=0,並可以重寫為:

(l1'm1',l1'm2',l2'm2')s=0,

其中s=(s11,s12,s22)是S的三維矢量形式,兩個這樣的正交直線對就能提供兩個約束,並可以聯合起來給出以s為零矢量的2x3矩陣,這樣在相差一個尺度的情況下獲得S,並進一步獲得K(利用Cholesky分解法)圖2給出一個例子

圖2,通過正交直線進行度量矯正

(2)直接求解法

不經過中間的仿射矯正,直接在原始影像上進行矯正,方法:通過5個世界平面的正交對求解,假定直線l和m是世界平面上的正交影像,其提供關於C*∞元素的一個約束,即:

其中c=(a,b,c,d,e,f)T是C*∞的二次曲線矩陣的6維矢量形式,五個這樣的約束連起來,便形成一個5x6矩陣,使得c和C*∞作為其零矢量而求得,一個例子見圖3。

圖3,5垂直線進行度量矯正

相關焦點

  • 從圖像恢復仿射和度量性質
    #視覺slam#三維重建既然相機成像過程會有幾何失真,那麼我們如何消除這種失真,使被成像目標恢復到真實世界中的樣子呢,先給出結論:一旦 l∞的像被確認,射影失真便會被消除,而一旦虛圓點被確認,仿射失真也可以消除,至此便只剩下相似失真了,也就是真實目標的像與其本身只差了一個尺度,下文將給出結論的證明。
  • MATLAB比較圖像的相似度-圖像搜索算法
    關注我們獲得更多精彩內容一、圖像相似度計算相關原理通過圖片進行搜索相似圖標的算法實現是:利用感知「感知哈希算法」,就是每一張圖片都按照某種桂林生成唯一的「標識」,通過對「標識」進 比較,那麼可以判斷兩張照片是相似以及相似程度。
  • 機器學習基礎:相似度和距離度量究竟是什麼
    選自 Medium作者:Gonzalo Ferreiro Volpi機器之心編譯參與:Panda相似度度量和距離度量在整個機器學習領域都是非常基礎的概念,數據科學家 Gonzalo Ferreiro Volpi 近日通過淺顯易懂的推薦系統示例介紹了這些概念以及它們的計算方式。
  • 相似度距離度量公式
    常用的相似度度量距離有:歐幾裡得距離、餘弦相似度距離、曼哈頓距離、閔可夫斯基距離、切比雪夫距離、Jaccard相似係數、皮爾森相關係數。
  • 學霸是怎麼學反比例函數的的圖像和性質,你的孩子能做到嗎?
    今天我們就以反比例函數的圖像和性質為例,看一下學霸是怎麼學習的。首先我們來看一下學霸做的反比例函數的圖像和性質的練習題。反比例函數的圖像和性質練習題思路分析:前5個題是基礎題,分別考查了反比例函數圖像所在的象限、增減性、面積與k的關係,第6個題需要同學們能根據題意畫出正確的圖,通過數形結合就可快速準確地選出答案。
  • 常見的距離算法和相似度計算方法
    也就是和象棋中的「車」一樣橫平豎直的走過的距離。曼哈頓距離是超凸度量。1.4 傑卡德距離(Jaccard Distance): 用來衡量兩個集合差異性的一種指標,它是傑卡德相似係數的補集,被定義為1減去Jaccard相似係數。適用於集合相似性度量,字符串相似性度量 。
  • 教資面試準備6-指數函數的圖像和性質
    考官好,我是1號考生,我抽到的課題是指數函數的圖像與性質,下面開始我的試講。同學們,我們上節課共同探究了指數函數的表達式和定義域,今天我們繼續探究指數函數的圖像與性質,接下來請大家思考這樣一個問題,結合上一章函數的內容,我們還需要從哪些方面來研究指數函數的性質呢?通過什麼方式研究更好呢?請大家快速思考,老師把研究課題寫在黑板上。
  • 巧解圖像處理經典難題之圖像配準
    從多個視角捕獲相似對象或場景的圖像,以便獲得掃描對象或場景的更好表示。如使用圖像拼接,從2D圖像重建3D模型等。②Multi-temporal Analysis: 多時相配準同一物體在同一場景同視角不同時間的圖像配準。如運動追蹤,腫瘤生長情況跟蹤等。
  • 如何理解圖像定位和跟蹤技術
    運動目標提取完成後,得到的二值化圖像可能含有許多空洞和孤立的噪聲點,為了更好地對目標進行定位和跟蹤,需要對得到的檢測結果進行形態學處理。 形態學處理主要思想是:採用一個特定的結構元素作為工具來度量和提取圖像特徵(形狀、輪廓等),具體為看該結構元素是否可以適當有效地放入圖像內部。目前常用的形態學運算有:膨脹、腐蝕、開啟和閉合操作。
  • 中考專題複習:第13講二次函數的圖像與性質
    第13講二次函數的圖像與性質考點分析1.二次函數的概念、圖像和性質2.二次函數的圖像與字母係數的關係3.確定二次函數的解析式4.二次函數與一元二次方程以及不等式之間的關係5.二次函數圖像常見的變換思想方法基本思想:數形結合,從二次函數的圖像研究其開口方向、對稱軸、頂點坐標、增減性、最值及其圖像的平移變化,到利用二次函數圖像求解方程與方程組
  • 高三學生必須熟悉的六個超越函數的圖像和性質
    高三學生必須熟知的六個超越函數的圖像和性質由函數y=x和y=e^x及y=lnx複合而成的六個超越函數分別是:Y=xe^x,y=x/e^x,y=e^x/x;這六個超越函數在高考導數壓軸題的解答中,會經常出現,作為高三學生,必須深刻理解和掌握這六個超越函數的圖像和性質。下面對這六個函數的圖像及性質做詳細歸納,願能幫助到高考複習備考中的莘莘學子。
  • 谷歌通過深度度量學習,提出新的語義實例分割方法
    其中,相似性度量是基於深度,完全卷積的嵌入模型,而分組方法是基於選擇所有與一組「種籽點」足夠相似的點,這個選擇模型是一個深度的、完全卷積的評分模型。據雷鋒網了解,這個問題的常見解決方法是:首先使用一些機制來預測對象的邊界框(例如,通過運行類別對象檢測器,或者通過使用類別不可知框方法,如EdgeBoxes),然後在每個提出的框中運行分割和分類。
  • 超越函數的圖像與性質1
    [引言]本文擬從高考應試的角度,詳細分析六大類常見超越函數的圖像與性質。
  • 二次函數圖像和性質較難的部分,分享給愛學習的你
    二次函數圖像和性質較難的部分,老師講解給你聽上節課我們研究了二次函數有y=ax^2+k和y=a(x-h)^2的圖像和性質,這節課老師帶你們來學習一下二次函數圖像和性質較難的部分,分享給愛學習的你。首先,帶領同學們研究一下一般二次函數的圖像和性質,只要能把二次函數y=a x^2+bx+c化成頂點式y=a(x–h)^2+k的形式即可,因為上述所寫的頂點式中的頂點,對稱軸我們都可以寫出來,並且可以研究它的其他性質。那怎麼把二次函數化成頂點式呢?
  • 必看系列5——冪函數的定義、性質、圖像等基礎知識大梳理
    相比而言,冪函數的情況比指數函數、對數函數更加複雜一些,尤其表現在函數圖像上,所以冪函數的圖像就顯得十分重要。>一、冪函數的定義(教材截取)乍一看跟指數函數的表達式有點相似二、圖像及性質當a>0時,圖像如下↓(電腦製作
  • 高中數學,三角函數圖像與性質題型總結
    三角函數圖像與性質主要包括正弦,餘弦以及正切,這些函數的圖像一定要掌握,掌握了這些函數圖像畫法後,要會分析這些函數的性質,最重要的是五大參數的求法,即增區間,減區間,周期,對稱軸和對稱中心。這五大參數的求法特別重要,是三角函數圖像中的重中之重。
  • 高中數學:三角函數的圖像和性質歸類解析(高考必備)
    三角函數是高中數學的主幹知識,也是高考重點考查的內容之一,而三角函數的圖像和性質更是高考考查的熱點,題型既有選擇題、填空題,又有解答題。下面就近幾年的高考題中考查三角函數的圖像和性質的有關問題進行歸類解析,以幫助大家更好地學習及掌握這一知識。
  • 你需要先理解神經網絡的語言、樹和幾何性質
    Google AI 的 People + AI Research(PAIR)團隊近日發布的論文《Visualizing and Measuring the Geometry of BERT》提出了一種可視化和度量 BERT 的幾何性質的方法,可幫助我們理解 BERT 等神經網絡語言模型表徵信息的方式。
  • 三角函數圖像與性質及函數y=Asin(ωx+∮)的圖像變換的深度剖析
    還有就是巧記,利用一些口訣和圖形,幫助我們來記憶和理解,相信上面這個圖大家記憶尤深。今天我們就來就三角函數圖像與性質及函數y=Asin(wx+∮)的圖像變換做一下深度剖析,學會了,理解啦,三角必得分。第一、我們要明確我們所學的三角函數有哪些?
  • Facebook 爆錘深度度量學習:該領域13年來並無進展!網友:滄海橫流...
    也就是說:新出的ArcFace, SoftTriple, CosFace 等十種算法與十三年前的依賴成對或成三元組的損失函數並沒有本質上的區別。FB和康奈爾科技此論無疑是對深度度量學習過去十三年研究成果蓋棺定論,斬釘截鐵表示,雖然深度度量學習非常重要,但是學界這些年一直在灌水。