扩展单应矩阵以防止失真

Question

我有两组对应的匹配，我想在它们之间计算同构矩阵。但是，我发现这两个点之间的转换不能仅使用Homography Matrix建模。我通过观察原始点集中的某些线在第二组中未表示为线来解决这一问题。

例如：

实际上，先前的状态非常极端，失真远小于此状态。通常是失真的，因为第一组点是从扫描仪拍摄的图像中提取的，而另一组点是从手机拍摄的照片中提取的。

问题：

如何扩展或概括同构矩阵以使其包含这种情况？或者换句话说，我希望使用非保留行的转换模型来代替同形矩阵，有什么建议吗？

如果有可用的东西，则首选PS OpenCV库。

编辑：

对于我来说，消除失真可能不是一个选择，因为照片有些复杂，而且我的相机总是不一样，而且我应该处理来自未知来源（后端与前端分开）的图像。但是，我有一个规划器参考和一个具有透视+扭曲效果的查询，在找到对应的配对后，我想对其进行更正。

Answer 1

如果您能提供一些图片示例就更好了，以便我们更好地了解您的情况。从描述来看，您似乎正在处理相机失真问题。

典型的方法是执行一次相机校准，然后对每一帧进行去畸变，最后处理直线看起来笔直的图像。所有这些任务都可以使用 OpenCV 完成，请考虑上面的链接。

如果您无法执行相机校准来估计失真 - 您无能为力。尝试在未校正的图像上计算和应用单应性 - 如果相机没有广角镜头，这看起来应该没问题（例如考虑这种情况）