从DLT到3d-2d PnP

这两天复习+学习主要pnp算法，虽然DLT经典并且易于理解，有时还是会忘记，并且它是3d-2d pnp的一个基础，所以今天回顾一下。

首先，我们通过2d坐标之间的坐标转换来理解DLT的流程。

场景：我们移动相机，缓慢移动，拍下两帧图像，其中有一部分交集。

目标：讲两张图像合并，或者说，求得一张图像到另一张的Projective Transformation。

如上图所示，在这里，我们对于问题重新定义，将求转换矩阵的问题，转换为两个等式。

注意观察这个等式，如果我们得到在两张图像的控制点，那么u,v,w相关量将变为已知数值。这时候，要计算的就是转换矩阵里对应的9个量。将上图的公式重新联立，形式更加直接。

转换为矩阵形式更加直接：针对一对点，可以得到一个2*9的design matrix。那么n对点就可以得到2n×9的的矩阵

这时候，如果进行svd分解，那么求得的解就是对应最小特征值的特征向量。

如果特征点数量过多，那么会导致2n*9