分别用SIFT、SURF、ORB做特征匹配要求用绿色线条画出两张图对应的匹配点（出3张图）
再使用RANSAC滤除离群点（参数自行调优）后用绿色线条画出两张图对应的匹配点（出3张图）
然后根据对应点分别计算图B到图A的单应变换矩阵（要求以矩阵形式清晰打印出来并截图，精度保留3位有效数字，出3张图）
根据计算的单应矩阵把第二张图变换到第一张图的坐标系下，与原图通过线性加权的方式融合（权重自行调优），可调用现成库，出3张图。
2022-06-08 19:12:09
767KB
1
代码里面用到了边缘检测和透视变换，并且进行前后端联合调试，组成了一个很好看的web界面。
可以根据自己的需要选择二次开发，因为代码封装性良好，也可以直接运行前端和后端。程序为，前后端分离程序，后端因为要做算法使用了python，前端基于react框架。里面除了有需要上交的报告，也有README文件教程安装。
2022-06-08 14:08:14
3.76MB
图像拼接左右matlab代码sba_matlab
matlab版本的稀疏束调整
可以在以下情况下使用此matlab代码：
1.您使用两台经过校准的相机拍摄对象的图片，并在图像中获得了特征点的2d坐标。
2.然后根据三角测量原理（例如，matlab校准工具箱中的stereo_triangulation.m。下载地址：）来计算特征点的3d坐标。
3.但是，您获得的3d坐标只是在局部坐标系中。
因此，您需要采取一些点云配准和缝合方法，以使它们位于同一全局坐标系中。
4.经常存在您想减少的针迹误差。
一种有效的方法是捆绑调整，或在这种情况下进行稀疏捆绑调整。
5.通常，人们将重投影点作为[x;
y]并减少单个图像中的重投影误差。
在提供的代码中，由于我们将重投影点设为[x_left;
y_left;
x_right;
y_right]，因此可以减少左右图像的重投影误差。
可以在main.m和bundle_adjustment.m中看到更多详细信息。
提供了一些数据和示例代码以进行测试。
如果您有任何疑问或建议，请随时发送电子邮件至
参考：SBA：通用稀疏软件包调整的软件包
2022-05-31 18:34:04
45KB
1