单应性矩阵求解函数findHomography()

OPENCV官方地址： 上面这个地址是OPENCV标定和三维重建集合的函数说明，包括标定原理，过程和工具的使用，想要使用OPENCV实现各种标定的话可以参考

下面是函数声明：

findHomography()
Mat cv::findHomography	
(	InputArray 	srcPoints,//输入源平面的坐标矩阵，我这里就是像素坐标
InputArray 	dstPoints,//输入目标平面的坐标矩阵，我输入世界坐标
int 	method = 0,//计算单应性矩阵的方法，具体见下面
double 	ransacReprojThreshold = 3,//具体解释见下面
OutputArray 	mask = noArray(),//见下面
const int 	maxIters = 2000,//RANSAC算法的最大迭代次数，默认值为2000。
const double 	confidence = 0.995 //可信度值，取值范围为0到1.
)		
Python:
retval, mask	=	cv.findHomography(	srcPoints, dstPoints[, method[, ransacReprojThreshold[, mask[, maxIters[, confidence]]]]]	)

method参数对应方法：

1. 0 - 利用所有点的常规方法
2. RANSAC - RANSAC-基于RANSAC的鲁棒算法
3. LMEDS - 最小中值鲁棒算法
4. RHO - PROSAC-基于PROSAC的鲁棒算法

ransacReprojThreshold参数 将点对视为内点的最大允许重投影错误阈值（仅用于RANSAC和RHO方法）。如果 则点被认为是个外点（即错误匹配点对）。若srcPoints和dstPoints是以像素为单位的，则该参数通常设置在1到10的范围内。

mask参数 可选输出掩码矩阵，通常由鲁棒算法（RANSAC或LMEDS）设置。 请注意，输入掩码矩阵是不需要设置的。

作用：

该函数能够找到并返回源平面和目标平面之间的转换矩阵H，以便于反向投影错误率达到最小。 反向投影错误率计算方式如下：

下面是这个函数的一个重载，只是参数少一些：

Mat cv::findHomography	(	InputArray 	srcPoints,
InputArray 	dstPoints,
OutputArray 	mask,
int 	method = 0,
double 	ransacReprojThreshold = 3 
)