我看到了几个类似的问题,并且有一些想法,但我不记得有关于spread(扩散)的任何内容。
所以:我正在开发一个测量系统,最终基于计算机视觉技术。
我拍摄N张照片,并使用库处理它们,库输出姿态估计结果,形式为4x4仿射变换矩阵,包括平移和旋转。
这些姿态估计结果中存在一些噪声。每个旋转轴上的欧拉角标准差小于2.5度,因此所有方向都非常接近(对于所有欧拉角接近0或180的情况)。对于小于0.25度的标准误差对我很重要。但是,我已经遇到了欧拉角固有的问题。
我想将所有这些非常接近的姿态估计值平均,以获得单个最终姿态估计值。我还想找到一些扩散度量,以便我可以估计准确性。
我知道“平均”实际上并没有定义旋转。
(记录一下,我的代码是基于Numpy的Python编写的。)
我还可能希望对这个平均值进行加权,因为某些拍摄(以及某些轴)已知比其他拍摄更准确。
我认为我可以只取平移向量的均值和标准差,对于旋转,我可以将其转换为四元数,取平均值,并重新归一化,因为这些四元数非常接近。
我还听说过所有四元数的最小二乘法,但是我研究如何实现它的大部分时间都是失败的。
这可行吗?在这种情况下是否有一个合理定义的扩散度量?