我开始了解摄像机矩阵及其解决方法。有些方法在其中，我看到使用奇异值分解的矩阵，但我不明白使用它的目的是什么，有人能给一些提示吗？
2个回答
3
SVD被用于将一个矩阵分解成三个矩阵，这三个矩阵相乘可以得到原始矩阵，并且以相反的顺序相乘可以得到逆矩阵。
例如，在尝试解决n个未知数的n个方程组时，这非常有用。
在相机校准的情况下，我会假设未知数是校准参数。
我会尽力找到一个描述这两个过程的好链接。
- Rob
1
SVD是一种方法，用于找到n维空间中能够解释数据最大方差的方向。观察下面的图像，在该图像中我们选择的方向[红点之间的线]不是一个好的选择。因为数据点不沿着所选方向分布。这就是为什么数据点在该线上的投影误差之和最大。
使用不合适的方向进行数据点投影
但是看看第二张图片，在这张图片中，我们选择的方向[红点之间的线]是一个好的选择。因为它与数据点分布对齐。这就是为什么数据点在该线上的投影误差之和最小。
使用适当的方向进行数据点投影
SVD是做什么的？
SVD将数据集分解为三个组件，您可以决定要用哪个方向进行数据分析。当数据科学家们通过查看下面给出的原始数据分布来找出时，这非常有帮助。
当使用SVD时，数据会被转换成一种可以找到明显模式的形式。在下图中，主成分1和2是投影误差较少的方向。
更多详情请参见
- Sai Vinod
1
请问SCF、VARF和相关性是什么？它们的作用是什么？此外，异质与同质相关性又是什么？我有这些值，但不知道它们是什么。 - user2543
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接