热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

MATLAB实现DLT(DirectLinearTransform)算法

MATLAB实现DLT(DirectLinearTransform)算法转载备用作者:My_CSDN_Bo_Ke来源:CSDN原文:htt
MATLAB实现DLT(Direct Linear Transform)算法

转载备用
作者:My_CSDN_Bo_Ke 
来源:CSDN 
原文:https://blog.csdn.net/weixin_40327927/article/details/81020798 


% DLT算法主程序
Left_image=load('left_image.txt');
[Left_L,Left_x0,Left_y0]=Computer_L(Left_image);
Right_image=load('right_image.txt');
[Right_L,Right_x0,Right_y0]=Computer_L(Right_image);
UnknownPoint=load('test2.txt');
Coordinate=Computer_UnknownPoint( UnknownPoint,Left_L,Left_x0,Left_y0,Right_L,Right_x0,Right_y0 );function [ L,x0,y0] = Computer_L( Points )
%功能:计算L系数的近似值和精确值
%输入:Points为控制点的像点坐标及物方坐标%格式为:点号 x y X Y Z
%输出:L系数的精确值,像主点坐标x0,y0%计算L系数近似值
X=zeros(2*size(Points,1),11);
B=zeros(2*size(Points,1),1);
for i=1:size(Points,1);X(2*i-1,1:3)=Points(i,4:6);X(2*i-1,4)=1;X(2*i-1,9:11)=Points(i,2)*Points(i,4:6);X(2*i,5:8)=X(2*i-1,1:4);X(2*i,9:11)=Points(i,3)*Points(i,4:6);B(2*i-1,1)=Points(i,2);B(2*i,1)=Points(i,3);
end
L=X(1:11,:)\(-B(1:11,1));
%计算像主点近似值x0,y0
x0=-(L(1)*L(9)+L(2)*L(10)+L(3)*L(11))/(L(9)*L(9)+L(10)*L(10)+L(11)*L(11));
y0=-(L(5)*L(9)+L(6)*L(10)+L(7)*L(11))/(L(9)*L(9)+L(10)*L(10)+L(11)*L(11));
%计算L系数精确值
M=zeros(2*size(Points,1),12);
W=zeros(2*size(Points,1),1);
n=0;                     %迭代次数统计
while n<10;              %设置L迭代次数为10for i&#61;1:6;A&#61;L(9)*Points(i,4)&#43;L(10)*Points(i,5)&#43;L(11)*Points(i,6)&#43;1;M(2*i-1,1:4)&#61;[Points(i,4:6) 1]/A;M(2*i-1,9:11)&#61;Points(i,2)* M(2*i-1,1:3);R&#61;(Points(i,2)-x0)^2&#43;(Points(i,3)-y0)^2;M(2*i-1,12)&#61;(Points(i,2)-x0)*R;M(2*i,5:8)&#61;M(2*i-1,1:4);M(2*i,9:11)&#61;Points(i,3)* M(2*i-1,1:3);M(2*i,12)&#61;(Points(i,3)-y0)*R;W(2*i-1,1)&#61;Points(i,2)/A;W(2*i,1)&#61;Points(i,3)/A;endM&#61;-M;L&#61;(M&#39;*M)\M&#39;*W;x0&#61;-(L(1)*L(9)&#43;L(2)*L(10)&#43;L(3)*L(11))/(L(9)*L(9)&#43;L(10)*L(10)&#43;L(11)*L(11));y0&#61;-(L(5)*L(9)&#43;L(6)*L(10)&#43;L(7)*L(11))/(L(9)*L(9)&#43;L(10)*L(10)&#43;L(11)*L(11));n&#61;n&#43;1;
end
endfunction [ Coordinate ] &#61; Computer_UnknownPoint( UnknownPoint,Left_L,Left_x0,Left_y0,Right_L,Right_x0,Right_y0 )
%功能&#xff1a;计算待定点物方坐标
%输入&#xff1a;UnknownPoint为待定点在左右片的像点坐标%格式为&#xff1a;点号 左片坐标x y 右片坐标x y%Left_L、Left_x0、Left_y0为左片L系数及像主点坐标%Right_L、Right_x0、Right_y0为右片L系数及像主点坐标
%输出&#xff1a;Coordinate为待定点物方坐标%格式为&#xff1a;点号 X Y Z%Error为计算出的待定点坐标与真实坐标之差%格式为&#xff1a;点号 delta_X delta_Y delta_ZLeft_R&#61;(UnknownPoint(:,2)-Left_x0).^2&#43;(UnknownPoint(:,3)-Left_y0).^2;Left_xx&#61;UnknownPoint(:,2)&#43;(UnknownPoint(:,2)-Left_x0).*Left_R*Left_L(12);Left_yy&#61;UnknownPoint(:,3)&#43;(UnknownPoint(:,3)-Left_y0).*Left_R*Left_L(12);Right_R&#61;(UnknownPoint(:,4)-Right_x0).^2&#43;(UnknownPoint(:,5)-Right_y0).^2;Right_xx&#61;UnknownPoint(:,4)&#43;(UnknownPoint(:,4)-Right_x0).*Right_R*Right_L(12);Right_yy&#61;UnknownPoint(:,5)&#43;(UnknownPoint(:,5)-Right_y0).*Right_R*Right_L(12);%计算待定点物方坐标近似值B&#61;zeros(3,3);C&#61;zeros(3,1);XYZ&#61;zeros(size(UnknownPoint,1),3);for i&#61;1:size(UnknownPoint,1);B(1,1)&#61;Left_L(1)&#43;Left_xx(i)*Left_L(9);B(1,2)&#61;Left_L(2)&#43;Left_xx(i)*Left_L(10);B(1,3)&#61;Left_L(3)&#43;Left_xx(i)*Left_L(11);B(2,1)&#61;Left_L(5)&#43;Left_yy(i)*Left_L(9);B(2,2)&#61;Left_L(6)&#43;Left_yy(i)*Left_L(10);B(2,3)&#61;Left_L(7)&#43;Left_yy(i)*Left_L(11);B(3,1)&#61;Right_L(1)&#43;Right_xx(i)*Right_L(9);B(3,2)&#61;Right_L(2)&#43;Right_xx(i)*Right_L(10);B(3,3)&#61;Right_L(3)&#43;Right_xx(i)*Right_L(11);C(1,1)&#61;Left_L(4)&#43;Left_xx(i);C(2,1)&#61;Left_L(8)&#43;Left_yy(i);C(3,1)&#61;Right_L(4)&#43;Right_xx(i);XYZ(i,:)&#61;(B\(-C))&#39;;end%计算待定点物方坐标精确值N&#61;zeros(4,3);Q&#61;zeros(4,1);delta_XYZ&#61;100*ones(1,3);            %相邻两次迭代差值for i&#61;1:size(UnknownPoint,1);n&#61;0;                            %统计迭代次数while max(abs(delta_XYZ))>0.000001;A_L&#61;Left_L(9)*XYZ(i,1)&#43;Left_L(10)*XYZ(i,2)&#43;Left_L(11)*XYZ(i,3)&#43;1;N(1,1)&#61;-(Left_L(1)&#43;Left_xx(i)*Left_L(9))/A_L;N(1,2)&#61;-(Left_L(2)&#43;Left_xx(i)*Left_L(10))/A_L;N(1,3)&#61;-(Left_L(3)&#43;Left_xx(i)*Left_L(11))/A_L;N(2,1)&#61;-(Left_L(5)&#43;Left_yy(i)*Left_L(9))/A_L;N(2,2)&#61;-(Left_L(6)&#43;Left_yy(i)*Left_L(10))/A_L;N(2,3)&#61;-(Left_L(7)&#43;Left_yy(i)*Left_L(11))/A_L;A_R&#61;Right_L(9)*XYZ(i,1)&#43;Right_L(10)*XYZ(i,2)&#43;Right_L(11)*XYZ(i,3)&#43;1;N(3,1)&#61;-(Right_L(1)&#43;Right_xx(i)*Right_L(9))/A_R;N(3,2)&#61;-(Right_L(2)&#43;Right_xx(i)*Right_L(10))/A_R;N(3,3)&#61;-(Right_L(3)&#43;Right_xx(i)*Right_L(11))/A_R;N(4,1)&#61;-(Right_L(5)&#43;Right_yy(i)*Right_L(9))/A_R;N(4,2)&#61;-(Right_L(6)&#43;Right_yy(i)*Right_L(10))/A_R;N(4,3)&#61;-(Right_L(7)&#43;Right_yy(i)*Right_L(11))/A_R;Q(1,1)&#61;(Left_L(4)&#43;Left_xx(i))/A_L;Q(2,1)&#61;(Left_L(8)&#43;Left_yy(i))/A_L;Q(3,1)&#61;(Right_L(4)&#43;Right_xx(i))/A_R;Q(4,1)&#61;(Right_L(8)&#43;Right_yy(i))/A_R;XYZ_new&#61;((N&#39;*N)\N&#39;*Q)&#39;;delta_XYZ&#61;XYZ_new-XYZ(i,:);XYZ(i,:)&#61;XYZ_new;n&#61;n&#43;1;endendCoordinate&#61;zeros(size(UnknownPoint,1),4);Coordinate(:,1)&#61;UnknownPoint(:,1);Coordinate(:,2:4)&#61;XYZ;
end

 


推荐阅读
  • 本文探讨了如何在给定整数N的情况下,找到两个不同的整数a和b,使得它们的和最大,并且满足特定的数学条件。 ... [详细]
  • 本文详细介绍了如何在Linux系统上安装和配置Smokeping,以实现对网络链路质量的实时监控。通过详细的步骤和必要的依赖包安装,确保用户能够顺利完成部署并优化其网络性能监控。 ... [详细]
  • 探讨一个显示数字的故障计算器,它支持两种操作:将当前数字乘以2或减去1。本文将详细介绍如何用最少的操作次数将初始值X转换为目标值Y。 ... [详细]
  • 基因组浏览器中的Wig格式解析
    本文详细介绍了Wiggle(Wig)格式及其在基因组浏览器中的应用,涵盖variableStep和fixedStep两种主要格式的特点、适用场景及具体使用方法。同时,还提供了关于数据值和自定义参数的补充信息。 ... [详细]
  • 毕业设计:基于机器学习与深度学习的垃圾邮件(短信)分类算法实现
    本文详细介绍了如何使用机器学习和深度学习技术对垃圾邮件和短信进行分类。内容涵盖从数据集介绍、预处理、特征提取到模型训练与评估的完整流程,并提供了具体的代码示例和实验结果。 ... [详细]
  • 利用决策树预测NBA比赛胜负的Python数据挖掘实践
    本文通过使用2013-14赛季NBA赛程与结果数据集以及2013年NBA排名数据,结合《Python数据挖掘入门与实践》一书中的方法,展示如何应用决策树算法进行比赛胜负预测。我们将详细讲解数据预处理、特征工程及模型评估等关键步骤。 ... [详细]
  • 深入理解 Oracle 存储函数:计算员工年收入
    本文介绍如何使用 Oracle 存储函数查询特定员工的年收入。我们将详细解释存储函数的创建过程,并提供完整的代码示例。 ... [详细]
  • 题目描述:给定n个半开区间[a, b),要求使用两个互不重叠的记录器,求最多可以记录多少个区间。解决方案采用贪心算法,通过排序和遍历实现最优解。 ... [详细]
  • 深入理解C++中的KMP算法:高效字符串匹配的利器
    本文详细介绍C++中实现KMP算法的方法,探讨其在字符串匹配问题上的优势。通过对比暴力匹配(BF)算法,展示KMP算法如何利用前缀表优化匹配过程,显著提升效率。 ... [详细]
  • 本文详细介绍了Java编程语言中的核心概念和常见面试问题,包括集合类、数据结构、线程处理、Java虚拟机(JVM)、HTTP协议以及Git操作等方面的内容。通过深入分析每个主题,帮助读者更好地理解Java的关键特性和最佳实践。 ... [详细]
  • 深入解析:手把手教你构建决策树算法
    本文详细介绍了机器学习中广泛应用的决策树算法,通过天气数据集的实例演示了ID3和CART算法的手动推导过程。文章长度约2000字,建议阅读时间5分钟。 ... [详细]
  • 在金融和会计领域,准确无误地填写票据和结算凭证至关重要。这些文件不仅是支付结算和现金收付的重要依据,还直接关系到交易的安全性和准确性。本文介绍了一种使用C语言实现小写金额转换为大写金额的方法,确保数据的标准化和规范化。 ... [详细]
  • 在给定的数组中,除了一个数字外,其他所有数字都是相同的。任务是找到这个唯一的不同数字。例如,findUniq([1, 1, 1, 2, 1, 1]) 返回 2,findUniq([0, 0, 0.55, 0, 0]) 返回 0.55。 ... [详细]
  • 网络攻防实战:从HTTP到HTTPS的演变
    本文通过一系列日记记录了从发现漏洞到逐步加强安全措施的过程,探讨了如何应对网络攻击并最终实现全面的安全防护。 ... [详细]
  • 本文深入探讨了Linux系统中网卡绑定(bonding)的七种工作模式。网卡绑定技术通过将多个物理网卡组合成一个逻辑网卡,实现网络冗余、带宽聚合和负载均衡,在生产环境中广泛应用。文章详细介绍了每种模式的特点、适用场景及配置方法。 ... [详细]
author-avatar
花非花红非红
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有