本文主要是介绍SLAM_极线搜索最佳匹配特征点_NCC，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
目录
1. 需求
2. 代码实现
思路
代码
极线搜索
NCC的实现
双线性插值
1. 需求
输入: 参考图像ref, 当前图像curr, 当前图像相对于参考图像的位姿T_C_R, 参考图像的深度图depth和深度方差图depth_cov, 输入参考图像ref上的一个像素点坐标pt_ref,
求解: 在当前图像上的最佳匹配点pt_curr
2. 代码实现
思路
参考: slam 十四讲 ch 13 dense_mapping.cpp
实现方法: 根据初始参考图中参考点pt_ref的深度和深度方差图, 求得空间3D点的最远和最近两个坐标, 将其投影到当前cur图像平面, 得到当前图像平面的极线表示形式(使用极线方向 + 极线长度的组合表示), 然后遍历极线区间, 则极线上的像素点为候选匹配点, 使用NCC的方法, 计算最大的NCC得分, 得到当前图像的最佳匹配.
NCC(Normalized Cross-Correlation, 归一化互相关系数)</
这篇关于SLAM_极线搜索最佳匹配特征点_NCC的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
