为什么openCV分解单应转换矩阵具有三个值？

Question

-我认为这是一个简单的问题。我使用以下90多个点来确定单应矩阵（M）：

M, mask = cv2.findHomography(source_pts, destination_pts, cv2.RANSAC,5.0)

我已使用以下命令分解了单应性矩阵：

num, Rs, Ts,Ns = cv2.decomposeHomographyMat(M, camera_matrix)

这将返回4个解数（num），一个旋转矩阵，一个平移矩阵和Ns（请记住它是什么）。

我对翻译矩阵感兴趣。

首先...翻译矩阵似乎列出了4个解决方案。这是正确的吗？

第二，最令人困惑每个解决方案都有3个值...例如[-0.6097，-0.2626、0.01638967]。

我的理解是，翻译矩阵的形式为：

https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_geometric_transformations/py_geometric_transformations.html

我如何从分解矩阵返回的值转换成上述形式的转换矩阵？

感谢您的帮助。

Answer 1

正如documentation所说：

此功能提取两个视图之间的相对摄像机运动从由平面引起的单应性H观察平面物体。还必须提供内部摄像机矩阵K。函数may最多返回four个数学解集。至少两个如果点对应是可通过应用正深度约束获得（所有点必须位于镜头前）。

您的第一个问题：

翻译矩阵似乎列出了4个解决方案。这是对吗？

是的，可能是因为没有唯一的解决方案。另一方面，不确定您是否总是会得到4个解决方案。

第二个问题：

每个解决方案都有三个要素，为什么？

原因是您的解决方案编号也应为3，因为每个返回的列表都包含与找到的解决方案数量（reference）一样多的元素。

最后：

我的理解是，翻译矩阵的形式为

不仅平移矩阵，旋转矩阵也具有相似的形式。