这期间，为了学习我经常研究APAP。 我不熟悉Matlab，没有Matlab和c的混合编程经验，所以看到原作者的代码时真的很头疼。 我只能一点一点地测试句子。 在此感谢这位博客对详细文章构想的分析。 也许有人看了这个能理解。 3359 blog.csdn.net/Chen tianting/article/details/88869872
在这里也感谢这个博客。 我们的交流让我对整体的想法有了更清晰的认识。 我佩服他的能力。@模式识别实验室主任他的主页我学习论文的内容、博客和代码、三合一。 有时我自己有点混乱。 其实总体思路非常清晰
1 .基于1.SIFT的两幅图像匹配点对RANSAC去外点，得到n内点3 .利用DLT和SVD计算全局单性4 .将源程序划分为网格，取网格中心点， 计算各中心点与源图上内点之间的欧式距离和权重5 .对DLT算法的a矩阵进行加权，构造新的W*A矩阵，并进行新的SVD分解，当然得到当前网格的局部单向性矩阵6。 穿越每个网格，利用局部单向性矩阵映射到全景画布上，得到了APAP变换后的信源图7。 最后进行拼接线的加权融合，这里有几个重要的文章和代码不同的地方。 (以下，将目标图称为左图，将源图称为右图)
1 .经常想到的是，既然我把原图转换成了目标图，就一定要力求原图对目标图的单响应性。 然而，情况并非如此。 代码要求的是从左图到右图。 然后左图是目标的图
2 .在代码中，在全景画布上构建网格，求解权重时，需要将网格的中心点坐标转换为原点，计算左图的内点和权重
3 .代码在最后的像素映射时，求出右图的坐标后，直接整形，获取像素后分配给左图。 没有进行我经常使用的双线性插值。 这里应该叫“邻域插值”吗？
4 .代码在计算前，进行了Normalise和Condition。 规范化是代码中的T1 T1，可以将所有点的平均值变为0，将标准偏差变为sqrt(2)。 我不知道Condition还在做什么。 知道了请告诉我。 这两个步骤很重要。 否则，后面的解决就不太准确了
5 .数据可能是影响结果的重要问题，但我长期以来一直被此困扰着。 代码利用Multi-GS的RANSAC改进版进行了内点的选择，我只是在opencv上简单地利用了RANSAC，代码分析也多亏了这个博客
3359 blog.csdn.net/QQ _ 25352981/article/details/51530751
但是RANSAC总是不那么优秀，我得到的内点数据与作者相差很大，而且SIFT得到的原始点对只有801对，但由于论文有2100对，所以无法再现最初设定0.5的阈值RANSAC得到的内点。
之后，将所有点都放入使用，意外地得到了相似的结果。 到那时才明白问题错误的关键。
当然这个结果不好。 我也还没有进行加权融合，但是整个想法已经明确，取得了很大的成果。 虽然很烦恼，但是兴致勃勃，有了成果的时候很兴奋