Расчет точности гомографии на 2D плоскости

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.

1

Решение

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 …

  • Определенный пиксель p в изображении 1 будет отображением H (p ‘) пикселя p’ в изображении 2 при гомографии H …
  • Учитывая неопределенность в H, которая связана с ошибками в согласованных парах (q0, q0 ‘), (q1, q1’), …, которые были использованы для оценки H, …
  • Но если предположить, что модель верна, то есть истинная карта между изображениями 1 и 2 фактически является гомографией (хотя на оценочные параметры самой гомографии могут влиять ошибки).

Чтобы оценить это распределение вероятностей, вам понадобится модель ошибок в измерениях и модель их распространения по модели (гомографии).

0

Другие решения

Других решений пока нет …

По вопросам рекламы [email protected]