來源：公眾號3D視覺工坊|系投稿

作者：Liam

「3D視覺工坊」技術交流群已經成立，目前大約有12000人，方向主要涉及3D視覺、CV&深度學習、SLAM、三維重建、點云后處理、自動駕駛、CV入門、三維測量、VR/AR、3D人臉識別、醫(yī)療影像、缺陷檢測、行人重識別、目標跟蹤、視覺產品落地、視覺競賽、車牌識別、硬件選型、學術交流、求職交流、ORB-SLAM系列源碼交流、深度估計等。工坊致力于干貨輸出，不做搬運工，為計算機視覺領域貢獻自己的力量！歡迎大家一起交流成長~

添加小助手微信：CV_LAB，備注學校/公司+姓名+研究方向即可加入工坊一起學習進步。

構造函數

Initializer::Initializer(const Frame &ReferenceFrame, float sigma, int iterations)

參數:?參考幀(第一幀), 誤差, 迭代次數

操作:讀取參考幀的相機模型, 內參, 去畸變的特征點等傳入參數

初始化:并行的計算前后兩幀的本質矩陣和基礎矩陣,選出來評分高的恢復旋轉和平移

(==當前幀指向參考幀==), 三角化后的點, 特征是否被三角化過

返回值：bool->初始化是否成功的標志

操作:

• vMatches12中的匹配關系以<==第一幀特征索引,第二幀特征索引==>存儲在mvMatches12中, 同時mvbMatched1[i]設置為true表示第一幀中該索引的特征點匹配成功

• 從匹配中不重復的隨機選擇mMaxIterations組點,每組8個

• 開兩個線程同時計算單應和基本矩陣

• 計算得分

• 選擇得分高的矩陣來恢復兩幀位姿

尋找最優(yōu)單應矩陣

void Initializer::FindHomography(vector&vbMatchesInliers, float &score, cv::Mat &H21)

參數: 匹配的Inliers, 最后的得分, 單應矩陣

操作:

• 歸一化

• 利用選擇的mMaxIterations組匹配點用八點法計算單應矩陣（ComputeH21(vPn1i,vPn2i)）

• 恢復初始尺度（歸一化前的）

• 保留最高得分的單應矩陣及對應的匹配內點

需要最優(yōu)基礎矩陣

void Initializer::FindFundamental(vector&vbMatchesInliers, float &score, cv::Mat &F21)

參數: 匹配的Inliers, 最后的得分, 基礎矩陣

操作:

• 歸一化

• 利用選擇的mMaxIterations組匹配點用八點法計算基礎矩陣（ComputeF21(vPn1i,vPn2i)）

• 恢復初始尺度（歸一化前的）

• 保留最高得分的基礎矩陣及對應的匹配內點

本文僅做學術分享，如有侵權，請聯系刪文。