本文是北邮鲁鹏老师《计算机视觉之三维重建》课程笔记，聚焦双目视觉。介绍了平行视图的引理、定理及推论，探讨三角测量问题以获取深度图用于3D电影。阐述图像校正5步法将图像变换为平行视图，还提及对应点搜索方法及存在的问题和约束条件。
北邮鲁鹏老师的课程《计算机视觉之三维重建（深入浅出sfm和SLAM核心算法）》 笔记
5，双目视觉
5.1，平行视图
引理1： [ a × ] B = B T [ ( B − 1 a ) × ] [a_\times]B=B^T[(B^{-1}a)_\times] [a×]B=BT[(B−1a)×]
引理2： e ′ = K ′ T e'=K'T e′=K′T
证明：
e ′ e' e′是 O 1 O_1 O1在相机 O 2 O_2 O2的像点
根据相机模型： e ′ = K ′ [ R , T ] [ 0 0 0 1 ] = K ′ T e'=K'[R,T]\left[ \begin{array}{c}0\\0 \\0 \\1 \end{array}\right]=K'T e′=K′[R,T]⎣⎢⎢⎡0001⎦⎥⎥⎤=K′T
定理：基础矩阵可写为： F = K ′ − T [ T × ] R K − 1 = [ e × ′ ] K ′ R K − 1 F=K'^{-T}[T_\times] RK^{-1}=[e'_\times]K'RK^{-1} F=K′−T[T×]RK−1=[e×′]K′RK−1
证明：
根据引理1,2， [ e × ′ ] K ′ = K ′ T [ ( K ′ − 1 e ′ ) × ] = K ′ T [ ( K ′ − 1 K ′ T ) × ] = K ′ T [ T × ] [e'_\times]K'=K'^T[(K'^{-1}e')_\times]=K'^T[(K'^{-1}K'T)_\times]=K'^T[T_\times] [e×′]K′=K′T[(K′−1e′)×]=K′T[(K′−1K′T)×]=
最低0.47元/天 解锁文章
扫一扫
522
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
