16-720A计算机视觉：作业4图像匹配，缝合和单应性
讲师：Kris M. Kitani助教：Leonid，Mohit，Arjun，Rawal，Aashi，Tanya
截止日期：2018年3月27日星期二晚上11:59
版本1（3月8日，12pm）
总积分：100
额外积分：30
兴趣点检测器和描述符是大多数计算机视觉应用程序的核心。 这项任务的目的是通过研究一种确定单应性的应用程序来获得见识。 我们首先快速回顾一下，建立对平面单应性背后的理论的基本理解，然后继续展示如何在全景照片拼接和增强现实应用中常用的模板图像和源图像之间进行转换。
与这种情况下的先前作业相比，我们提供了使用Python或MATLAB进行作业的机会。 请选择一种语言，然后用该语言一致地完成整个作业。
使用说明
1.诚信与协作：如果您是一个小组，请在您的文章中注明合作者的姓名。代码不应共享或复制。除非允许，否则请勿使用外部代码。严禁抄袭，否则可能会导致本课程失败。
2.早点开始！特别是如果您想最后使用AR应用程序！
3.广场：如有任何疑问，请先查看广场。我们为每个问题创建了文件夹，并在每个问题的顶部创建了一个粘性线程。在提交新问题并将其标签添加到即时贴之前，请仔细阅读所有在适当评论中标记的帖子。
4.书面记录：请注意，在此作业中，我们不接受您书面记录的手写扫描。请以电子方式输入对理论问题和实验讨论的答案。
5.代码：请坚持讲义中提到的功能原型。这使得TA的验证代码更加容易。
6.提交：请将所有结果包括在您在Gradescope上提交的pdf撰写文件中。对于代码提交，创建一个组成您的Matlab文件的zip文件<andrew-id> .zip。请确保删除您生成的所有临时文件。
最终上传的文件应按此布局排列。如果您是在MATLAB而不是Python中完成作业，则可以随意忽略python文件夹。
同样，如果您使用Python而不是MATLAB，那么。 l