我使用 Nister 的 5 点方法来计算基本矩阵。使用 RANSAC 和 Sampson 错误阈值进一步改进了异常值拒绝。我随机选择 5 个点集，估计基本矩阵并评估匹配向量的 Sampson 误差。Sampson 误差低于阈值t（0.01在我使用的示例中设置为）的点坐标被设置为内点。对所有基本矩阵重复该过程，我们保留内点得分最高的矩阵。
我注意到dsampson 错误向量的大多数值太大：例如，如果 的大小d为 (1x1437)，如果我这样做
g=find(abs(d)>0.01);
length(g)
那么length(g)=1425这意味着只有 7 个值是不正确的阈值的内点！
如何设置阈值？如何解释 Sampson 错误值？
请帮帮我。谢谢
Sampson 距离是几何距离的一阶近似。可以这样理解：
给定一个基本矩阵 F，和一对对应关系 (x,x')，使得 x'Fx=e，这对对应关系的距离/误差是多少？为所有对应关系 (y,y') 定义几何距离，使得 y'Fy=0，||xy||^2+||x'-y'||^2 的最小值（换句话说，最接近 (x,x') 的对应对，恰好满足 F 矩阵）。并且可以证明，Sampson 误差是这个最小距离的第一个近似值。
直观地说，桑普森误差可以粗略地认为是点 x 到对应的极线 x'F 之间的平方距离。在这种情况下，0.01 的阈值太小了（您很少找到一个基本矩阵，使得所有对应关系都在 0.1 像素精度内）。建议的阈值介于 1 到 10 之间（1~3 像素误差），具体取决于图像对的大小/分辨率/质量。
0.01 是一个太小的阈值。作为最后一个答案，1到10更好。
x 和 x' 使用 sampson 误差意味着它们都不在各自的核线上，我们需要计算这两个点的误差。
如果您修复 x ，则使用 F 和 x 计算第二张图像中的线（此图像上的 x'），然后您可以计算从点到线的距离（x' 到极线）。这意味着您认为点 x 是正确的，就在它的直线上。
这两种方式是不同的。
如果您处理归一化相机，0.01 并不算太小，也就是说，您将像素坐标乘以逆固有参数矩阵。