飞龙马的专栏

资料来源：Robert Collins,CSE486, Penn State第8讲Stereo Vision深度信息感知是人类产生立体视觉的前提。生理过程一定是相当复杂，此处，我们只从物理角度，并采用数学的方法来讨论。Inferring depth from images taken at the same time by two or more cameras. 基本透视投影

学过矩阵理论或者线性代数的肯定知道正交矩阵（orthogonal matrix）是一个非常好的矩阵，为什么这么说？原因有一下几点：正交矩阵每一列都是单位矩阵，并且两两正交。最简单的正交矩阵就是单位阵。正交矩阵的逆（inverse）等于正交矩阵的转置（transpose）。同时可以推论出正交矩阵的行列式的值肯定为正负1的。正交矩阵满足很多矩阵性质，比如可以相似于对角矩阵等等。　　以上

之前学习摄像机模型的时候弄得不是太清楚，现在记录一下。1.摄像机矩阵的分解摄像机矩阵可以表示为如下形式：P=[M|−MC](1)其中，C为摄像机在世界坐标系中的位置，求出摄像机的位置C只需要用−M−1乘以摄像机矩阵最后一列。对摄像机矩阵进一步分解可得：P=K[R|−RC]=K[R|T](2)矩阵R是rotation矩阵，因此是正交的；K是上三