
我的《计算机视觉》系列参考UC Berkeley的CS180课程,PPT可以在课程主页看到。
在上一篇文章3D视觉中我们介绍了在两个照相机像平面共面的情况下如何计算深度:深度与景物在图片中的位移成反比。这篇文章我们讨论更一般的情形,像平面不必共面,甚至不必平行。假设两个相机的内参(intrinsics)都是标定(calibrate)过的。
一、极线约束(Epipolar Constraint)

设两个相机的投影中心分别为 O O O和 O ′ O' O′(回想一下投影中心其实可以理解为所有光线都汇聚到的点),两个像平面分别为 Π \Pi Π和 Π ′ \Pi' Π′。设景物在 P P P点, O P OP OP与 Π \Pi Π交于点 p p p,这个 p p p就是景物在像平面 Π \Pi Π上的对应点。知道了 p p p在第一张照片上的坐标,就知道了景物所在的直线——图中的 O P OP OP。现在我们需要在第二张照片上找到景物对应的点。在哪儿找呢?上一篇文章我们讨论的情况中景物一定会出现在一条水平线上。在我们现在讨论的一般情况下,它还是出现在一条直线上吗?答案是肯定的。因为,任取 O P OP OP上的点 P 1 , P 2 , ⋯ P_1,P_2,\cdots P1,P2,⋯,令 O ′ P i O'P_i O′Pi与 Π ′ \Pi' Π′交于 p i ′ p_i' pi′, p i ′ p_i' pi′就是假设景物在 P i P_i Pi点时 其对应于第二张照片上的点。还是那个套路,我们知道 O P i OP_i OPi一定在 由 O P OP OP和 O O ′ OO' OO′确定的平面 O O ′ P OO'P OO′P上,那么 P i P_i Pi在第二张图片上的对应点 p i ′ p_i' pi′也一定在 平面 O O ′ P OO'P OO′P上;而 p ′ p' p′又在平面 Π ′ \Pi' Π′上,所以 p ′ p' p′一定在平面 Π ′ \Pi' Π′和平面 O O P ′ OOP' OOP

最低0.47元/天 解锁文章
5072

被折叠的 条评论
为什么被折叠?



