该算法估计一个单应性变换，将匹配的源 2D 关键点映射到目标 2D 关键点，从而最小化整体重投影误差。它常用于图像配准流程中，其中一个图像通过使用在两个图像中找到的关键点匹配来与参考图像对齐。当关键点是 VPIPyramidalKeypointF32 时，所有八度音阶大于零的关键点都会被重新缩放到八度音阶零的基础金字塔层级。金字塔尺度被认为是 0.5。
该估计对于不良的关键点匹配具有鲁棒性。它使用 RANSAC 过程来保留一个内点集，该集合包含所有变换导致有界重投影误差的关键点匹配，该误差被指定为一个参数。
默认情况下，该估计使用 8 个自由度 (8DoF)。为了缩短收敛时间并最小化最大重投影误差，该算法允许用户通过减少自由度或对自由度施加范围来约束问题。有关更多详细信息，请参阅 VPIConstrainedHomography2DConfig。
有关实现该算法的限制、约束和后端的列表，请查阅以下函数的参考文档
| 函数 | 描述 |
|---|---|
| vpiInitTransformEstimatorParams | 使用给定变换类型的默认值初始化 VPITransformEstimatorParams。 |
| vpiCreateTransformEstimator | 为 vpiSubmitTransformEstimator 创建有效载荷。 |
| vpiSubmitTransformEstimator | 向流提交 变换估计器 操作。 |
有关更多信息，请参阅 VPI - Vision Programming Interface 的“C API 参考”部分中的 变换估计器。
有关如何使用以下性能表的信息，请参阅 算法性能表。
在比较测量结果之前，请查阅 比较算法运行时间。
有关性能基准测试方式的更多信息，请参阅 性能基准。