computer-vision - 关于姿态估计方法的困惑

Question

我正在尝试从具有 4 个角 = 4 个共面点的平面标记进行姿势估计(实际上 [编辑: 3DOF ] 旋转是我所需要的)。
直到今天，我读到的所有内容都给我的印象是，您将始终计算单应性(例如使用 DLT)并使用各种可用方法分解该矩阵(Faugeras, Zhang，分析方法也在 this post here on stackexchange 中有所描述)并在必要时使用非线性优化对其进行改进。

第一个小问题:如果这是一种分析方法(简单地从矩阵中取出两列并从中创建一个正交矩阵，从而得到所需的旋转矩阵)，有什么需要优化的？我已经在 Matlab 中尝试过，结果抖动得很厉害，所以我可以清楚地看到结果并不完美甚至不充分，但我也不明白为什么要使用 Faugeras 和 Zhang 使用的相当昂贵且复杂的 SVD如果这个简单的方法已经产生了结果。

然后是迭代姿态估计方法，如 Lu 等人的正交迭代 (OI) 算法。或者 Schweighofer 和 Pinz 的鲁棒姿势估计算法，其中甚至没有提到“单应性”这个词。他们所需要的只是一个初始姿态估计，然后对其进行优化(Schweighofer 在 Matlab 中的引用实现使用了 OI 算法，例如，它本身使用了一些基于 SVD 的方法)。

我的问题是:到目前为止我读到的所有内容都是 4 分？单应，单应，单应。分解？嗯，棘手，一般不是唯一的，几种方法。现在这个迭代世界打开了，我无法在脑海中连接这两个世界，我不完全理解它们的关系。我什至无法正确表达我的问题是什么，我只希望有人明白我在哪里。

我会非常感谢一两个提示。

编辑 : 是否正确说:平面上的 4 个点和它们的图像通过单应性相关，即 8 个参数。可以通过使用 Faugeras、Zhang 或直接解决方案计算和分解单应矩阵来找到标记姿势的参数，每种方法都有其缺点。也可以使用诸如 OI 或 Schweighofer 算法之类的迭代方法来完成，这些方法不会计算单应矩阵，而只是使用相应的点并且需要初始估计(可以使用来自单应分解的初始猜测)。

Answer 1

只有四个点，您的解决方案通常对其位置中的小错误非常敏感，特别是当矩形几乎与光轴正交时(这是因为消失点是不可观察的——它们在图像之外并且离光轴很远)测量 - 并且姿势由从四边形中心到消失点的向量的叉积给出)。

您的图案是否可以以亚像素精度自信地定位角落？我建议对角使用“棋盘式”模式，这允许使用良好且简单的迭代细化算法来实现亚像素精度(查找“迭代鞍点算法”，或查找 OpenCV 中的文档)。