【计算机视觉】多视几何之基础矩阵估计

本文介绍了多视几何中的对极几何概念,包括基本模型和几何约束。详细讨论了基础矩阵及其性质,并阐述了八点估算法和RANSAC随机采样一致法来估计基础矩阵。通过代码实现展示了在不同场景下应用这些方法进行特征点匹配和基础矩阵估计的过程。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

目录

一、对极几何

1.1 对极几何的概念

1.2 基本模型

1.3 对极几何约束

二、基础矩阵(F)

三、基础矩阵估计方法

3.1 八点估算法

3.2 ransac随机采样一致法估算

四、基础矩阵估计代码实现

4.1 代码

4.2 代码运行结果:


一、对极几何

1.1 对极几何的概念

对极几何(Epipolar Geometry)是Structure from Motion问题中,在两个相机位置产生的两幅图像的之间存在的一种特殊几何关系是sfm问题中2D-2D求解两帧间相机姿态的基本模型。

1.2 基本模型

c0、c1为两个相机中心;p为空间中一点;p在c0、c1对应像平面上的投影分别为x0、x1。

极平面(Epipolar Plane):两个相机坐标原点C0、C1和物体P三点组成的平面。

对极平面束(epipolar pencil):以基线为轴的平面束

极线(Epipolar Lines):极平面和两个像平面的交线,I0和I1

极点(Epipoles):e0为右相机原点在左像平面的投影;e1为左相机原点在右像平面的投影

1.3 对极几何约束

下面等式称为对极约束(Epipolar Constraint)

 

对极约束的几何意义:x1、t、Rx0三者混合积为0,表示这三个向量共面,即上图中三角形的三边共面。

令E=t×RE=t×R,得到对极约束的新形式:

E称为本质矩阵(Esential Matrix),由外参数R和t决定。

本质矩阵的几何意义:,即x1在直线上,表示E将x0投影到另一帧图像中的直线l1上。


二、基础矩阵(F)

基本矩阵就表示了这种从点到直线的射影映射关系。

  存在这么一个矩阵F,使得空间中不在两图像平面上的任意点X分别在两图像的投影坐标x,x'满足等式(x')T*F*x=0,即x'的转置乘以F,再乘以x的结果为0,那么F就是左边图像到右边图像的基本矩阵,从公式上可以看出基本矩阵是有方向的,右图到左图的基本矩阵就是F的转置。F矩阵有如下性质:
1、秩为2;
2、F矩阵是一个7个自由度的3*3矩阵(3*3矩阵本身9个自由度,因为相差一个常数因子和行列式值为0两个条件,减掉2个自由度),相差一个常数因此的意思是:kF(k!=0)也是基本矩阵,也就是说如果F是基本矩阵,那么kF也是基本矩阵,所以基本矩阵不唯一,在相差一个倍数的前提下是唯一的,也就是我们可以固定矩阵中某一个非零元素的值,这样自然少一个自由度。


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值