探秘SLAM之Homography,Essential 和 Fundamental matrix

一.Homography matrix
  单应 ( homography )也叫射影映射,保线变换或射影变换。
  在空间中同一平面的任意两幅图像通过单应性关联在一起(假定是针孔相机)。假设在一个图中的点 x x x的坐标是 ( u , v , 1 ) (u,v,1) (u,v,1),与其相对应匹配点 x ′ x' x的坐标是 ( u ′ , v ′ , 1 ) (u',v',1) (u,v,1),单应性矩阵 H H H。则有 x = H x ′ x=Hx' x=Hx,即:
( u v 1 ) = ( h 11 h 12 h 13 h 21 h 22 h 23 h 31 h 32 h 33 ) ( u ′ v ′ 1 ) \begin{pmatrix} u\\ v\\ 1 \end{pmatrix}=\begin{pmatrix} h_{11} & h_{12} & h_{13}\\ h_{21}& h_{22} &h_{23} \\ h_{31}& h_{32} & h_{33} \end{pmatrix}\begin{pmatrix} u'\\ v'\\ 1 \end{pmatrix} uv1=h11h21h31h12h22h32h13h23h33uv1

  应用单应性关系的几种情况

  • 场景是平面,或者近似平面,或者低视差时。
  • 当且仅当相机是绕相机中心旋转,没有偏移,基线(baseline)什么的都是零,单应性矩阵才是有效的。(baseline为0)
  • 当两个相机所代表的视平面(image plane)相互平行,单应性矩阵才是有效的。(基线(baseline)不为0,但是极点在无穷远)

  上面我们介绍了点的变换,还想了解下直线变换与二次曲线变换,可以看下射影变换

  射影变换可以看作是一些列变换的组合:
H = H S H A H P = ( s R t 0 T 1 ) ( K 0 0 T 1 ) ( I 0 V T v ) = ( A t V T v ) H=H_SH_AH_P=\begin{pmatrix} sR & t\\ 0^T &1 \end{pmatrix}\begin{pmatrix} K &0 \\ 0^T &1 \end{pmatrix}\begin{pmatrix} I & 0\\ V^T & v \end{pmatrix}=\begin{pmatrix} A &t \\ V^T & v \end{pmatrix} H=HSHAHP=(sR0Tt1)(K0T01)(IVT0v)=(AVTtv)

  其中 H S H_S HS是相似变换矩阵, H A H_A HA是仿射变换矩阵, H P H_P HP也是一个射影变换矩阵。可以看下变换的层次进一步了解。

二.Essential matrix

  本质矩阵(Essential matrix)是归一化图像坐标下的基本矩阵的特殊形式。其参数由运动的pose决定,与相机内参无关;本质矩阵在位姿估计和相机标定上很有用。

  假设在一个图中的点 x x x的坐标是 ( u , v , 1 ) T (u,v,1)^T (u,v,1)T,与其相对应匹配点 x ′ x' x的坐标是 ( u ′ , v ′ , 1 ) T (u',v',1)^T (u,v,1)T,单应性矩阵 H H H。则有 x T E x ′ = 0 x^TEx'=0 xTEx=0,即:

( u v 1 ) ( e 11 e 12 e 13 e 21 e 22 e 23 e 31 e 32 e 33 ) ( u ′ v ′ 1 ) = 0 \begin{pmatrix} u & v & 1 \end{pmatrix}\begin{pmatrix} e_{11} & e_{12} & e_{13}\\ e_{21}& e_{22} &e_{23} \\ e_{31}& e_{32} & e_{33} \end{pmatrix}\begin{pmatrix} u'\\ v'\\ 1 \end{pmatrix}=0 (uv1)e11e21e31e12e22e32e13e23e33uv1=0

  因为 E = t ∧ R E=t^\wedge R E=tR,由于平移和旋转各3个自由度共有6个自由,但考虑到尺度等价性,故E实际上有5个自由度。求出 E E E后就可以采用奇异值分解(SVD)恢复出相机的运动 R , t R,t R,t

三.Fundamental matrix

  对两幅图像中任何一对对应点 x x x x ′ x' x基本矩阵(Fundamental matrix)F都满足条件:
x T F x ′ = 0 x^TFx'=0 xTFx=0

   E E E F F F关系: F = K − T E K − 1 F=K^{-T}EK^{-1} F=KTEK1

  其中 K K K为相机内参矩阵。

  因为 E E E F F F只差个相机内参,而SLAM中相机通常都标定过,内参已知。所以实践中常用 E E E。想要了解它们更多特性可以看下对极几何和基本矩阵

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

打赏作者

不放弃的蜗牛

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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