Я пытаюсь найти способ параметризации точности моих расчетов гомографии. Я хотел бы получить значение, которое описывает точность вычисления гомографии для измерения, выполненного в определенной позиции.
В настоящее время я успешно рассчитал гомографию (с cv::findHomography
), и я могу использовать его, чтобы отобразить точку на изображении с камеры на 2D-карту (используя cv::perspectiveTransform
). Теперь я хочу отслеживать эти объекты на моей 2D-карте, и для этого я хочу принять во внимание, что объекты, расположенные сзади моего изображения с камеры, имеют менее точное положение на моей 2D-карте, чем объекты, находящиеся на всем пути передний.
Я посмотрел на следующий пример по этому Веб-сайт здесь упоминается подгонка плоскости, но я не совсем понимаю, как правильно заполнить матрицы с помощью этого метода. Визуализация результата, кажется, соответствует моим потребностям. Есть ли способ сделать это с помощью стандартных функций OpenCV?
РЕДАКТИРОВАТЬ:
Спасибо Франческо за ваши рекомендации. Но я думаю, что я ищу что-то другое, чем ваш ответ. Я не собираюсь проверять точность самой гомографии, но соотношение между плотностью измерений в одном реальном изображении камеры и фактическим размером на карте, которую я создаю. Я хочу знать, что когда у меня на 1 пикселе отключено обнаружение на изображении с камеры, сколько метров это будет на моей карте в данный момент.
Конечно, я могу рассчитать, взяв несколько пикселей вокруг моего измерения на изображении с моей камеры, а затем использовать гомографию, чтобы увидеть, сколько метров на моей карте это представляет каждый раз, когда я делаю гомографию, но я не хочу рассчитывать это каждый раз. Я хотел бы иметь формулу, которая сообщает мне соотношение между пикселями на моем изображении и пикселями на карте, чтобы я мог принять это во внимание для моего отслеживания на карте.
То, что вы ищете, называется «прогнозирующими барами ошибок» или «неопределенностью прогноза». Вы должны обязательно обратиться к хорошей вводной книге по теории оценки для деталей (например, этот). Но вкратце, прогностическая неопределенность — это вероятность того, что …
Чтобы оценить это распределение вероятностей, вам понадобится модель ошибок в измерениях и модель их распространения по модели (гомографии).
Других решений пока нет …