双目相机测距原理手记1

1.对极线原理
三维面可由一个三维向量与xyz乘积等于零确定。等价于1X4矩阵@(x y z 1)^T =0
三维直线可由两个三维向量与xyz乘积等于零确定。等价于2X4矩阵@(x y z 1)^T =0

图片来源https://blog.csdn.net/weixin_43842653/article/details/89362617
已知像素坐标x和焦点C和C¹,则CC¹和Cx可确定一个面A，面A和相机2成像平面可确定一条直线。
X=Hx，X=H¹ x¹ ,
可得 x¹ = H^-1 H x
H和H^-1 是齐次单应矩阵可表达为2组xyz方程，最终结果只和2组xyz的一次项相关，所以可以得知是一条直线。
虽然在标定好相机内外参情况下，由一个点可以去求得H^-1 H，但由于该点本来就可能和齐次矩阵H的解有误差，所以常用多个点的最小二乘法解。

另外从对极几何图形分析，关系如下：
令x所在的直线XC的矩阵表达为L，和x¹所在的直线XC的矩阵表达为L1，用F表达x到x¹所在直线的的映射矩阵。L¹=Fx， F被称为两视图转换的基础矩阵。
在L和L1中由于z坐标取0，所以是(x y 1)的写法。
则x¹L1 = x¹ Fx = 0

图片来源https://blog.csdn.net/weixin_43842653/article/details/89362617

图片来源https://blog.csdn.net/weixin_43842653/article/details/89362617

参见opencv官网https://docs.opencv.org/4.x/d9/d0c/group__calib3d.html#ga617b1685d4059c6040827800e72ad2b6

本质矩阵E是在物体在镜头坐标系下(不转换到图形坐标系下)x到x¹ 的对极线表达矩阵。
基础矩阵F是在物体在图像坐标系下x到x¹ 的对极线表达矩阵。
参考https://blog.csdn.net/kokerf/article/details/72191054

双目测距就是在已知双目坐标系关系下，由视差求出在相机空间下坐标。（待补充）

图片来源https://blog.csdn.net/dulingwen/article/details/98071584