单应性矩阵线性估计代码

以下是单应性矩阵的线性估计代码示例，使用最小二乘法进行求解：

import numpy as np

def estimate_homography(src_points, dst_points):
    """
    通过最小二乘法对单应性矩阵进行线性估计
    :param src_points: 源点坐标 (n, 2)
    :param dst_points: 目标点坐标 (n, 2)
    :return: 单应性矩阵 H (3, 3)
    """
    n = src_points.shape[0]
    A = np.zeros((2*n, 9))
    for i in range(n):
        x, y = src_points[i]
        u, v = dst_points[i]
        A[2*i] = [-x, -y, -1, 0, 0, 0, u*x, u*y, u]
        A[2*i+1] = [0, 0, 0, -x, -y, -1, v*x, v*y, v]
    U, S, Vh = np.linalg.svd(A)
    H = Vh[-1, :].reshape((3, 3))
    H = H / H[2, 2] # 归一化
    return H

其中，`src_points`和`dst_points`分别表示源图像和目标图像中对应点的坐标，可以使用OpenCV等库进行提取。函数内部通过构建系数矩阵A，并对其进行奇异值分解来求解单应性矩阵H。最后将H进行归一化处理后返回。