基础矩阵(Fundamental Matrix)
基础矩阵是一个 3×3 的秩为2的矩阵,用于描述两个不同视图(或称为图像)之间对应点的几何约束。更具体地说,如果你有两幅图像,分别从两个不同的相机或者相机位置拍摄,那么基础矩阵可以用于找到一个图像中的点在另一个图像中的对应点。
假设 和 分别是两幅图像中的对应点(以齐次坐标表示),基础矩阵 F 满足以下条件:
基础矩阵编码了两个摄像头之间的几何关系,但不涉及内参(即摄像头的焦距、光心等参数)。
本质矩阵(Essential Matrix)
本质矩阵也是一个 3×3 的秩为2的矩阵,与基础矩阵非常类似。不过,本质矩阵考虑了相机的内参,并且仅适用于标准化图像坐标。换句话说,本质矩阵是在相机坐标系下描述两个视图之间几何关系的矩阵。
其中 和 是标准化坐标。
单应矩阵(Homography Matrix)
单应矩阵是一个 3×3 矩阵,用于描述平面投影变换。当两个视图(图像)之间的场景是一个平面或者两个视图之间仅有旋转和平移时,可以使用单应矩阵来关联这两个视图。
给定两个图像中的一对对应点 和 ,单应矩阵 HH 满足:
单应矩阵常用于图像拼接(Stitching)、图像矫正(Rectification)等应用。
这三个矩阵都是在计算机视觉中广泛应用的基础工具,但它们适用于不同类型的视图和场景。