OpenCV相机标定与3D重建(26)计算两个二维点集之间的部分仿射变换矩阵（2x3）函数 estimateAffinePartial2D()的使用

• 操作系统：ubuntu22.04
• OpenCV版本：OpenCV4.9
• IDE:Visual Studio Code
• 编程语言：C++11

算法描述

计算两个2D点集之间的具有4个自由度的最优有限仿射变换。
cv::estimateAffinePartial2D 是 OpenCV 库中的一个函数，用于计算两个二维点集之间的部分仿射变换矩阵（2x3）。与完整的仿射变换不同，部分仿射变换仅估计旋转、平移和均匀缩放，而不包括剪切变形。这使得它适用于保持平行线和平行性的情况，例如处理相机的平移和旋转运动。

函数原型

cv::Mat cv::estimateAffinePartial2D	
(InputArray 	from,InputArray 	to,OutputArray 	inliers = noArray(),int 	method = RANSAC,double 	ransacReprojThreshold = 3,size_t 	maxIters = 2000,double 	confidence = 0.99,size_t 	refineIters = 10 
)		

参数

• 参数from 第一个输入的2D点集。
• 参数to 第二个输入的2D点集。
• 参数inliers 输出向量，指示哪些点是内点（1-内点，0-外点）。
• 参数method 用于计算变换的鲁棒方法。可能的方法包括：
  • RANSAC - 基于RANSAC的鲁棒方法
  • LMEDS - 最小中位数鲁棒方法
  • 默认方法为 RANSAC。
• 参数ransacReprojThreshold 在RANSAC算法中，考虑一个点为内点的最大重投影误差。仅适用于RANSAC。
• 参数maxIters 鲁棒方法的最大迭代次数。
• 参数confidence 对估计变换的置信水平，在0和1之间。通常0.95到0.99之间的值就足够了。过于接近1的值可能会显著减慢估计过程。低于0.8-0.9的值可能导致变换估计不准确。
• 参数refineIters 精化算法（Levenberg-Marquardt）的最大迭代次数。传递0将禁用精化，因此输出矩阵将是鲁棒方法的输出。

返回值

输出 2D 仿射变换（4个自由度）矩阵 2×3，如果无法估计变换则返回空矩阵。
该函数估计一个具有4个自由度的最优2D仿射变换，限于平移、旋转和均匀缩放的组合。使用选定的鲁棒算法进行估计。

计算出的变换随后会进一步通过Levenberg-Marquardt方法进行精化（仅使用内点），以进一步减少重投影误差。

估计的变换矩阵为：

$$\left[\begin{array}{ccc}\cos (\theta )\cdot s& -\sin (\theta )\cdot s& t_x\\ \sin (\theta )\cdot s& \cos (\theta )\cdot s& t_y\end{array}\right]$$

其中 θ 是旋转角度，s 是缩放因子，tx 和 ty 分别是 x 轴和 y 轴上的平移量。

注释
RANSAC 方法实际上可以处理任意比例的外点，但需要一个阈值来区分内点和外点。LMeDS 方法不需要任何阈值，但它只有在内点超过50%的情况下才能正确工作。

代码示例

#include <iostream>
#include <opencv2/opencv.hpp>
#include <vector>using namespace cv;
using namespace std;int main()
{// 定义两组对应的2D点 (x, y) - 源点集和目标点集vector< Point2f > from = { Point2f( 0, 0 ), Point2f( 1, 0 ), Point2f( 0, 1 ), Point2f( 1, 1 ) };vector< Point2f > to   = { Point2f( 2, 2 ), Point2f( 3, 2 ), Point2f( 2, 3 ), Point2f( 3, 3 ) };// 定义一个 Mat 来接收输出的部分仿射变换矩阵Mat affinePartialMatrix;// 定义一个 Mat 来接收内点信息vector< uchar > inliers;// 调用 estimateAffinePartial2D 函数affinePartialMatrix = estimateAffinePartial2D( from, to, inliers );if ( !affinePartialMatrix.empty() ){cout << "Estimated Partial Affine Matrix:\n" << affinePartialMatrix << endl;// 打印哪些点被认为是内点for ( size_t i = 0; i < inliers.size(); ++i ){if ( inliers[ i ] ){cout << "Point pair (" << from[ i ] << ", " << to[ i ] << ") is an inlier.\n";}else{cout << "Point pair (" << from[ i ] << ", " << to[ i ] << ") is an outlier.\n";}}}else{cout << "Failed to estimate partial affine transformation." << endl;}return 0;
}

运行结果

Estimated Partial Affine Matrix:
[1, -0, 2;0, 1, 2]
Point pair ([0, 0], [2, 2]) is an inlier.
Point pair ([1, 0], [3, 2]) is an inlier.
Point pair ([0, 1], [2, 3]) is an inlier.
Point pair ([1, 1], [3, 3]) is an inlier.