计算机视觉基础4——对极几何(Epipolar Geometry)
来源:互联网 发布:系统重置后数据能恢复 编辑:程序博客网 时间:2024/05/18 03:29
要寻找两幅图像之间的对应关系,最直接的方法就是逐点匹配,如果加以一定的约束条件对极约束(epipolar constraint),搜索的范围可以大大减小。
先回顾简单的立体成像系统
对极约束的图示
更一般的立体成像关系:两个相机的坐标无任何约束关系,相机的内部参数可能不同,甚至是未知的。要刻画这种情况下的两幅图像之间的对应关系,需要引入两个重要的概念——对极矩阵(Epipolar Matrix)和基本矩阵(Fundamental Matrix)。
对极几何中的重要概念(参考下图):
极点:极点
:左相机坐标原点在右像平面上的像
极平面:由两个相机坐标原点
和物点P组成的平面
级线:极平面与两个像平面的交线,即
级线约束:两极线上点的对应关系
有点烦人,先转移一下话题:What would Pinhead’s eye look like close up?
如果两个人同时看这一景物,将是什么样的呢?
再回到对极几何图上来,通过上面几幅图示,利用对极几何的约束关系,我们可以:
1. 找到物点P在左像平面上的像点
;
2. 画出极线
;
3. 找到极平面
;
4. 像点
上。
两个相机坐标系之间的关系为
由于R是正交矩阵,因此可写为
三向量共面,它们的混合积为零(混合积对应于有向体积)
将向量乘(叉乘)写成矩阵的形式
通过进一步的改写,可以得到左像点和右像点之间约束关系(非常简单、漂亮)
显然,左像点
为本质矩阵(Essential Matrix),它的基本性质有:
• has rank 2(秩为2)
• depends only on the EXTRINSIC Parameters (R & T)(仅依赖于外部参数R和T)
关于本质矩阵的性质,见下一节:立体视觉基础5——本质矩阵与基本矩阵
转载自 http://www.cnblogs.com/gemstone/archive/2011/12/20/2294551.html
- 【转】计算机视觉基础4——对极几何(Epipolar Geometry)
- 计算机视觉基础4——对极几何(Epipolar Geometry)
- 计算机视觉基础4——对极几何(Epipolar Geometry)
- 计算机视觉基础4——对极几何(Epipolar Geometry)
- 计算机视觉基础4——对极几何(Epipolar Geometry)
- 对极几何(Epipolar Geometry)
- Epipolar geometry(对极几何)
- Epipolar geometry对极几何
- 极线几何[Epipolar Geometry]
- Planar Homography (共面点成像)& Epipolar Geometry(对极几何)
- 计算机视觉基础(三)——对极几何中的基本矩阵F和本质矩阵E
- 计算机视觉中的对极几何及相机自检校
- 【转】计算机视觉基础2——相机成像的几何描述
- 计算机视觉基础2——相机成像的几何描述
- 计算机视觉基础2——相机成像的几何描述
- 计算机视觉基础2——相机成像的几何描述
- 视觉SLAM——第三章 Eigen几何模块Geometry使用 四元素 欧式变换矩阵
- 计算机视觉基础2——视觉辐辏调节冲突
- 为什么要设计这么多不同的协议
- 学习笔记:Linux杂项设备驱动框架
- 那些微信小程序上踩过的坑(不定期更新)
- 汉诺塔问题
- laravel 学习之第一章
- 计算机视觉基础4——对极几何(Epipolar Geometry)
- Makefile详细教程
- 字典
- C语言在内存中的分布
- Java为移动端写接口
- 测试淘宝站内的搜索系统,请问你能想到哪些方法来进行测试?
- Sublime Text 3 快捷键【ctrl+`】无法打开控制台
- 删除链表中倒数第n个节点
- static 在下列代码中的作用