公独何人，心如止水。

前言：博主今天把Multiple View Geometry第九章后半部分也读完了，想着写点对应的代码练练手，程序基本思路如下：读入两张有一定视差的图片分别提取出ORB特征点以及描述子，再对描述子进行暴力匹配筛选获得若干goodmatches，然后调用OpenCV的findFundamentalMat函数计算F，再根据相机矩阵求出E，最后从E中恢复R and t 。　　话不多说，上代码：#inclu

前言：至此我们已经讨论了Fundamental matrix的几个重要性质和基于点对x<->x’的图像关系，今天我们来学习如何从F中推导出两个相机矩阵P和P’。9.5 推导相机矩阵9.5.1 Projective invariance（投影不变） and canonical cameras　　从上一篇编程实践课中我们可以清晰地感觉到，F是从x与x’的对应关系中求出来的，现在我们如果把相机移动一点，即

前言：到现在我们已经学了由Ｆ确定的映射关系：x–>l’，今天我们来学下fundamental matrix最重要的几个基本性质。9.2.3 点对匹配条件Correspondence condition　　我们现在已经清楚对于两幅图像的一组对应点x’ 与 x来说，他们每一对关于矩阵F都有如下约束： 　　　　　　　　　　　　　　　　　　　　　　　　　　　　x’Fx=0 书上写了一句及其精炼的话：这显

前言：今天我们主要学习从一些特殊相机运动中求解Fundamental matrices9.3 Fundamental matrices arising from special motions特殊运动中求解Fundamental matrices　　我们再从特殊化平移方向 t 和旋转轴方向 a 的关系中可以得到几种特殊的相机运动形式，我们将会讨论这其中的两种情况：没有旋转的纯平移和纯平面运动，在第二

本博客持续更新，与大家交流学习用，若读者发现有错误或者疑问请留言前言：前几天博主买了本Multiple View Geometry第二版，一直在看这本书，不得不说之前网上查到的好多理论都是出自这本书，所以为了方便自己学习的更加深刻和与大家交流，我把对看过的章节的理解和想法都会写下来，还请各位大神多多指正，自己感觉专业词汇还是英文好一点，翻译成中文对自己和大家的英文文献的阅读能力并没有什么好的影响

前言：本篇博客主要讲fundamental matrix的由来与推导，有助于大家形象的理解9.2 The fundamental matrix F　　综合来说fundamental matrix就是epipolar geometry的代数表示，接下来我们从点和它对应的epipolar line来推导F，然后分析这个矩阵的性质。