如何计算基于相机的相对位姿测量的协方差？
How can I compute the covariance of a camera-based relative pose measurement?
我正在尝试通过通常的特征对应方式使用捕获的图像来计算两个相机之间的相对位姿。我使用这些特征匹配来计算基本矩阵，分解导致两个视图之间的旋转和平移。我目前在 OpenCV 中使用 findEssentialMat 和 recoverPose 函数来实现这一点。一旦我计算出这个相对姿势：
如何找到这个测量的不确定度？我是否应该尝试改进基本矩阵本身（使用对极误差），这会导致基本矩阵的协方差，并且是否可以从中找到位姿协方差？还是有其他方法可以直接找到这个姿势的不确定性？
这里还有另一个问题：当我从相机 C1 计算相机 C2（称为 P2）的相对位姿时，相机 C1（比如 P1）的位姿将有其自己的协方差。这对 P2 有何影响？
1) 你应该直接通过 bundle adjustment 来改进你的姿势估计，并计算最优成本函数的 Hessian，其逆将产生你寻求的协方差。一些 BA 包（例如 Ceres）有 API 来促进这一点。
2) 无关紧要。缺乏绝对参考，你所能指望的就是估计相对位姿的不确定性。换句话说，如果你只有两个相机之间相对运动的测量值，你不妨假设一个是确定的，并将运动的不确定性完全归因于另一个的姿势。
我正在尝试通过通常的特征对应方式使用捕获的图像来计算两个相机之间的相对位姿。我使用这些特征匹配来计算基本矩阵，分解导致两个视图之间的旋转和平移。我目前在 OpenCV 中使用 findEssentialMat 和 recoverPose 函数来实现这一点。一旦我计算出这个相对姿势：
如何找到这个测量的不确定度？我是否应该尝试改进基本矩阵本身（使用对极误差），这会导致基本矩阵的协方差，并且是否可以从中找到位姿协方差？还是有其他方法可以直接找到这个姿势的不确定性？
这里还有另一个问题：当我从相机 C1 计算相机 C2（称为 P2）的相对位姿时，相机 C1（比如 P1）的位姿将有其自己的协方差。这对 P2 有何影响？
1) 你应该直接通过 bundle adjustment 来改进你的姿势估计，并计算最优成本函数的 Hessian，其逆将产生你寻求的协方差。一些 BA 包（例如 Ceres）有 API 来促进这一点。
2) 无关紧要。缺乏绝对参考，你所能指望的就是估计相对位姿的不确定性。换句话说，如果你只有两个相机之间相对运动的测量值，你不妨假设一个是确定的，并将运动的不确定性完全归因于另一个的姿势。