zoukankan      html  css  js  c++  java
  • 对极几何

    对极几何是视图几何理论的基础,对极几何(Epipolar Geometry)描述了同一场景两幅图像之间的视觉几何关系。

    设两相机的中心分别为Ol和Or,两图像平面分别为Iclip_image004P为共同视域中的场景空间点,它在两幅图像平面上的像点分别为pl和pr。对极几何关系中主要包含以下几何元素:

    image

    极平面:两个相机坐标原点Ol、Or和物体P组成的平面。

    极线:极平面和两个像平面的交线,即p_{l}e_{l}p_{r}e_{r}

    极点:e_{l}为右相机原点在左像平面的投影;e_{r}为左相机原点在右像平面的投影

    我们要研究的极线约束:两极线上点的对应光系(p_{l}p_{r}当然也满足)

    如果有两个相机,cam1在建筑物的左侧,cam2在建筑物的右侧,拍摄得到两张照片.像平面是无限延伸的,照片只是像平面的一部分.

    image

    左侧是cam1的像平面,右侧是cam2的像平面。

    image

    红线表示相应的对极线,这些对极线满足一定的几何约束。

    本质矩阵

    两个相机坐标系的关系:

    image

    P_{l}是物体P在O_{1}相机坐标系的位置,P_{r}是物体P在O_{r}坐标系的位置。O_{r}相对于O_{1}的旋转矩阵为R,位移为T。则:

    image

    由于R是正交矩阵,可以写成:image

    由于三向量共面,如下图,所以它们的混合积为0.

    image

    image

    将叉乘写成矩阵相乘的形式:

    image

    令:image,S是一个秩为2的矩阵,则:

    image

    显然,P_rP_l可以通过矩阵E=RS来约束,我们称E为本质约束(Essential Matrix)。它具有两个性质:

    1. 秩为2
    2. 只依赖于外部参数R和T

    基础矩阵

    继续前面的本质矩阵,结合成像的集合关系:

    201112201556491880.png (567×395)

    这里的p_rp_l是在单位距离坐标系下的位置.如果我们要分析的是图像,需要转到像素坐标系下,此时:

    201112201556561211.png (603×189)

    从而有:

    201112201556566817.png (607×381)

    我们称矩阵F为基础矩阵:image,性质是:

    1. 秩为2
    2. 依赖于相机内参和外部参数R和T

    基础矩阵给出了:在已知一个点和F的情况下,其匹配点的直线约束方程:

    image

    直线约束方程为:image

    进一步分析:image而这里的F是秩为2的矩阵,所以存在:imageimage

    e表示它满足所有的直线约束,也就是上面图中那一堆直线的交点,物理意义便是cam2(cam1)在cam1(cam2)的像平面的投影,即极点。

    使用SVD分解即可求得极点。

  • 相关阅读:
    欢迎使用CSDN-markdown编辑器(这个只能看到一次保存一下)
    从Paxos到Zookeeper 分布式一致性原理与实践读书心得
    用java以正确的姿势刷CSP
    注意当cin.getline、和cin 合用的时候
    C++ 虚基类的定义、功能、规定
    python核心高级学习总结5--------python实现线程
    python核心高级学习总结4-------python实现进程通信
    linux下的bash shell
    多线程
    进程
  • 原文地址:https://www.cnblogs.com/houkai/p/6661607.html
Copyright © 2011-2022 走看看