36、图像中物体配准技术全解析

图像中物体配准技术全解析

1. 基于模型的刚性物体投影配准

在实际应用场景中，将刚性物体与图像进行配准具有极高的实用价值。它能够让我们在存在一定不确定性的情况下，准确估计已知物体在图像中相对于相机的位置、方向和比例。这里所说的不确定性，主要源于我们并不清楚图像中的哪些特征真正来自于该物体。

在构建全景图时，我们可以通过自动配准一系列图像来实现。具体做法是，先最小化以下式子来确定变换矩阵 (T_{3→1})：
[
\sum_{j\in1, 2 \text{ matches}} g(|x^{(1)} j - T {2→1}x^{(2)} j|^2) +
\sum {j\in1, 3 \text{ matches}} g(|x^{(1)} j - T {3→1}x^{(3)} j|^2) +
\sum {j\in2, 3 \text{ matches}} g(|T_{2→1}x^{(2)} j - T {3→1}x^{(3)}_j|^2)
]
其中，如果没有异常值，(g) 可以是恒等函数；否则，它可以是一个 M - 估计器。接着，利用这些变换进行配准。当图像数量增加时，会产生一个复杂的优化问题，很可能出现局部极小值。因此，需要一个较好的变换初始估计值，而两两图像的配准可以提供这个起始点。完成图像配准后，通过叠加图像并仔细融合像素，就可以消除镜头系统导致的图像亮度空间变化，从而得到一个全景图。

对于刚性物体与图像的配准，我们采用与 3D 物体之间配准相同的策略，具体步骤如下：
1. 找到一组匹配点。