问题标签 [correspondence]

我正在尝试实现使用 RANSAC 估计两个图像之间的基本矩阵的算法。到目前为止，我已经使用 Harris 角点检测找到了兴趣点。我坚持使用这些兴趣点计算假定的对应关系。我不想为此使用matlab工具箱，我想知道一种方法来了解从两个图像中提取对应点及其实现。我已经阅读了有关块匹配的内容，但还没有完全理解它的概念。任何示例和指南都可以帮助我更好地理解这个问题。

提前致谢。

我对 R 很陌生，这可能是一个非常愚蠢的问题，但我现在很困惑。

我目前正在尝试对我的数据进行典型对应分析，以了解哪些环境因素对社区分布的影响更大。我正在使用素食包。我的数据包含一个环境因素表（数据集 EFamoA）和另一个丰度矩阵（数据集 AmoA）。我有 41 种土壤，有 39 个环境因素和 334 个物种。在清理了所有非数值变量的数据后，我尝试使用公式表示法执行 cca 分析：

但后来我得到这个错误：

我真的不知道从哪里开始，并且在任何地方都没有找到关于这个问题的太多信息（这让我认为这一定是我正在做的某种非常基本的错误）。我的环境因素数据没有标准化，因为我在 cca 帮助文件中表示算法会执行此操作，但也许我应该在此之前对其进行标准化？（我也红色表示 scale = TRUE 仅适用于物种）。我应该将数据转换为矩阵吗？

我希望我的观点足够清楚，因为我已经为此苦苦挣扎了一段时间。

编辑：我的环境数据有 NA 值

我有一个带有 2 个摄像头的立体声系统。我校准了这些相机。我尝试计算每个指尖之间的距离。在左图中，我使用凸包找到指尖。我计算这些点的极线。我在右图上画极线。如何计算每个指尖的 3d 位置？我使用了 c++ 和 opencv。

图片下方有5个窗口。它们是：右图，左图，在右图上使用凸包找到指尖，在左图上绘制极线，在左图上找到对应点

立体声校准后，我的 .yml 文件如下

Good day!

I am trying to learn how to manually implement stereo matching algorithms. I'm basically starting with the most basic of them all - Absolute Difference.

I found some slides online that describe how to do it. Basically, from what I understand, I should calculate the difference between the pixels in my left image and the same pixel in the right image "shifted" by a certain distance/disparity. Then among these disparities, I select the minimum, which makes sense to me since the pixel with the lowest disparity means that it is most likely the same pixel in the left image.

I've prototyped that in MATLAB. Here is the code:

Take note that I haven't implemented the variant where the differences in a certain window is summed, leading to Sum of Absolute Differences. I am only taking the difference per pixel, per disparity. The lecture slides I found online says that it should look like this (rightmost image):

https://dl.dropboxusercontent.com/u/92715312/lec.PNG

However, the result from the code above (using imshow(min_costs)) yield something like this:

https://dl.dropboxusercontent.com/u/92715312/res.PNG

I can't figure out why the outputs are so different. Is there some trivial step that I am missing, or is my understanding of how the algorithm works wrong? I am also using the tsukuba image.

我正在研究可计算性和复杂性，但我有一个疑问。将问题简化为另一个问题的功能是图灵可计算的。我想知道它是否甚至是一对一的函数（对应），因为例如查看 Vertex-Cover -> Independent Set reduction 我看不到一个问题的实例与另一个实例不对应的位置另一个。

谢谢

谁能告诉我如何使用橙色对应分析小部件？

我有一个包含 11 列数据的表，其中第一列是行名。我尝试使用选择属性小部件选择数据并连接到对应分析小部件。但是，我没有得到任何结果。我必须在对应分析小部件之前连接到另一个小部件吗？

好吧，我不知道我使用的是什么代码。我不知道如何访问我只是使用可视界面的代码，我认为这应该可以完成这项工作。

我有两组 2D 点（如下图所示）。我想在这些点之间找到一些高置信度的对应关系。

这些点是从 2 个不同角度的摄像机图像中提取的特征点。两个图像得到了相对较好的校正，但并不完美。但是，场景中的深度会导致失真/扭曲，点数可能不一样，可能存在异常值等。

一种方法是使用包含多个点的滑动窗口并尝试块匹配。但这可能有点慢。我觉得应该有一个相对直接的解决方案来解决这个问题。

例如，本文可能正在解决类似的问题。

I would like to write a function which merges two dataframes (mydf1 and mydf2) according to a correspondence table (mykeys). Consider the following example:

The result should be

Any idea?

我研究 2d 图像点和 3d 模型点的对应关系。首先，我使用下面的代码：

我希望projectedPoints[i] 的位置等于imagepoints[i] 的位置。但是当我写下他们的价值观时，他们是不同的。

为什么这些值不同？

它似乎不适用于这张名为 mytable 的表：

但是，它适用于这张桌子：

我使用了以下FactoMineR功能：

CA不适用于特定类型的列联表？除了非常大的尺寸之外，我还没有阅读文献中的任何内容来暗示这一点。

编辑：

dput(mytable)输出：