葡京娱乐场-富盈娱乐场开户

為了解決計算機多視幾何中稀疏特征點錯誤匹配導致基本矩陣F精度不高的問題，提出一種RANSAC(RANdom SAmple Consensus)求解F時自動設(shè)置內(nèi)點門限的方法。此方法根據(jù)RANSAC求解F矩陣的要素，將固定設(shè)置極線距離門限Th的方式改為自動設(shè)置，提高了算法的魯棒性。這些要素是圖像對中的稀疏特征點匹配的個數(shù)N、圖像像素多少、初始計算得到的特征點到極線的平均距離Dinit。Th計算采用公式Th = Min(w×N/51200, Dinit/3)，w為圖像的寬，單位為像素。Min為取二者最小值的函數(shù)。門限Th與圖像大小和特征點匹配個數(shù)成正比，圖像越大，匹配越多，Th越大。相對于傳統(tǒng)方法，本方法將固定門限變成了自動設(shè)置，可以自適應(yīng)三維重建不同類型的圖片，更加實用和魯棒。