1) fundamental matrix/Kruppa equations
基础矩阵/Kruppa方程
2) Kruppa Equation
Kruppa方程
1.
Self-calibration technique based on Kruppa equations obtaining initial solution by translational motion
平移初值操作的基于Kruppa方程的自标定方法
2.
A calibration method is proposed which solves the Kruppa Equations based on the pre_calibration.
理论和实验表明,基于Kruppa方程的自检校方法考虑全部的内方位元素,解算的结果不稳定,同时,这种方法没有考虑畸变参数,也影响了内方位元素的精度。
3.
Conceptually speaking, nearly all the self-calibration techniques reported in the literature can be classified as either the absolute conic based ones or the absolute quadric based ones, and all such techniques rely on the so-called Kruppa equation or its variants implicitly or explicitly.
主要针对传统的基于Kruppa方程的摄像机自标定算法的欠鲁棒性提出了一种新的二步式标定方法 。
3) Kruppa equations
Kruppa方程
1.
Given the coordinates of the principal point, Kruppa equations are employed to compute the initial valued of intrinsic parameters.
提出一种基于简化摄像机自定标模型下的三维重建方法 ,在假定摄像机主点位置已知的条件下 ,采用射影几何中的Kruppa方程计算内部参数的初始值 ,并利用未定标图像之间的对极几何关系得出一个关于内部参数的非线性最优化方程 ,进而求出运动参数 ,从而实现未定标系统下的三维重建 。
4) fundamental matrix
基础矩阵
1.
Robust estimation on fundamental matrix based on heteroscedastic theory;
基于各点异性理论的基础矩阵鲁棒估计
2.
3D reconstruction based on fundamental matrix estimation weighted by match measure;
基于匹配测度加权求解基础矩阵的三维重建算法
3.
MAPSAC method was used to estimate the fundamental matrix,and self calibration was used to recover the camera projective matrix.
使用MAPSAC方法估计基础矩阵,并用自标定方法恢复相机的投影矩阵。
5) basic matrix equation
基本矩阵方程
1.
In this paper, a class of reduced macroeconomy models with close relations is given,then the basic matrix equation of the reduced macroeconomy models is acquired; at last, the rudimentary analysis on the basic matrix equation is presented,and some beneficial results are obtained.
给出了一类简化的具有密切关联关系的宏观经济模型 ,然后求得了这类宏观经济模型的基本矩阵方程 ,最后对此基本矩阵方程进行了初步分析 ,得到了一些有益的结论 。
6) Kruppa equation self-calibration
Kruppa方程自标定
补充资料：矩阵微分方程
矩阵微分方程
matrix differential equation
矩阵微分方程【n.七议创晚ren创阅娜‘扣;M盯p“，Hoe几.巾中epe皿明一a几‘Hoe ypa二eH加e」 一个方程，以其中出现的函数的矩阵及其导数为未知量. 考虑下列形式的线性矩阵微分方程: X，=A(t)X，reR，(l)其中A(t)为具有局部Lebesgue可积元的n xn维矩阵函数，设X(约是方程(l)的满足条件X(t。)=I的绝对连续的解，这里I是单位矩阵.这时，向量函数x(r)=X(t)h(h‘R”)是线性方程组 x‘=A(t)x(2)满足条件x(t。)二h的解.反之，如果h:，…，h。6R”，而x，(t)是方程组(2)满足条件x‘(t。)=h‘(i=1，…，n)的解，则以解x‘(t)为列的矩阵是矩阵微分方程(l)的解.此外，如果向量h:，…，h。是线性无关的，则对于所有的踌R，detX(t)笋0. 方程(l)是下列矩阵微分方程(产生于稳定性理论)的特殊情况: X‘=A(r)X一XB(t)+C(t).(3)方程(3)的具有初始条件X(t。)=X。的解由下列公式给出: X(t)二U(t，t。)X。V(t，t。)+ +丁。(:，:)e(，):(:，:)己:， 亡O其中U(:，。)是方程(1)的具有条件X(s，s)=I的解，而V(t，、)是满足条件X(:，:)=I的矩阵微分方程X‘=B(OX的解. 在各种应用问题(镇定理论、最优控制理论、控制系统的滤过理论等等)中，所谓Rieeati矩阵微分方程(例亩议Rlccati differen杭习闪业石。n) X‘=A(t)X一XB(t)+C(t)+XD(t)X起着重要作用.例如，Riccati矩阵方程 x，=一(尸(t)+又I)Tx一X(F(t)+几I)一 一I+XG(t)G丁(t)X(这里T代表转置)对又)0在直线R上具有有界解X(t)，并且对所有的h6R”，作R和某个。>O，不等式hTX(t)h)。hrh成立，则由反馈律u=一GT(t)X(t)x/2封闭的可控系统 x’=F(t)x+G(t)u，x任R”，u任R用的每个解都满足不等式 }x(t)}簇M lx(s)Ie一’(‘一’)，s(t，这里l·l是Euc石d范数，且M与s无关.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条