本文主要是介绍辛普森距离（SD,Sampson Distance），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！
定义
Sampson误差是复杂性介于代数误差和几何误差之间，但非常近似于几何误差的一种误差。
应用
SLAM对极几何中使用到SD来筛选内点：
1.随机采样8对匹配点
2.8点法求解基础矩阵 ；
3.奇异值约束获取基础矩阵F；
4.计算误差，并统计内点个数；
内点判断标准—一阶几何误差(first-order geometric error)，又名辛普森距离(Sampson distance）：令 
则该对应点
的辛普森距离为为：
内点的判断标准： 
5.重复上述过程，选择内点数最多的结果；
6.对所有内点执行2,3，重新计算 .
扩展
有一篇论文对SD进行了改进并用在VIO系统中的视觉残差计算上：Sampson Distance: A New Approach to Improving VisualInertial Odometry’s Accuracy。在sampson误差( SD )的基础上提出了一种新的方案来描述视觉惯性里程计( VIO )的视觉特征残差。与基于几何约束条件的视觉里程计( VO )的SD不同，所提出的SD是基于透视投影约束的。这篇论文从理论上证明了所提出的SD保留了VO文献中早期SD准则的良好性质，并且它比现有的VIO方法中流行的转移距离( TD )更准确地表示了视觉特征残差。
这篇关于辛普森距离（SD,Sampson Distance）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！
