问摄像机参数已知时的OpenCV图像缝合

EN

因为你在使用同音图来扭曲你的图像，我假设你所捕捉的区域足够小，所以你不必担心地球曲率效应。另外，我假设你不使用高程模型。

一般来说，您总是希望使用匹配的图像点来收紧您的(同形)模型，因为您的最终输出是一个拼接的图像。如果您有RAM和CPU预算，您可以使用最大似然估计来改进您的线性模型。

具有先验运动模型(例如来自GPS + IMU)可用于初始化特征搜索和匹配。通过对特征表观运动进行足够好的初始估计，您可以省去昂贵的特征描述符计算和存储，而只需进行标准化的互相关。

如果我理解正确的话，图像是由已知数量的像素垂直拍摄和重叠的，在这种情况下，计算同形有点过火:你只是在谈论一个翻译矩阵，而使用更强大的算法只能给你带来坏的条件矩阵。

在2D中，如果H是一个表示透视变换的广义同形矩阵，

H=[[a1 a2 a3] [a4 a5 a6] [a7 a8 a9]]

那么子矩阵R和T分别表示旋转和平移，如果是a9==1的话。

R= [[a1 a2] [a4 a5]], T=[[a3] [a6]]

而[a7 a8]表示每个轴的拉伸。(所有这些都有点近似，因为当所有的效果都出现时，它们就会相互影响)。

所以，如果你知道横向位移，你可以创建一个3x3矩阵，其中只有a3，a6和a9=1，并把它传递给cv::warpPerspective或cv::warpAffine。

作为匹配正确性的标准，您可以，f.e.计算像素之间的归一化差异。