本文探讨了计算机视觉中的消影点和消影线概念，如何利用它们来确定相机标定矩阵K。通过分析消影点的形成及其与世界直线的关系，以及在3D空间中的推广，阐述了如何求解消影方向和旋转矩阵R。此外，介绍了消影线的定义和与景物平面法向量的关系。最后，展示了如何仅使用三个消影点来求解相机标定矩阵K，强调了零斜率和平方像素的额外约束条件，并提到了Cholesky分解法的应用。
消影点
由于透视的原因, 本不应相交的平行线会在图像中的无穷远处相交, 本来等距的点之间的距离也会变成单调递减, 所以会有消影点:
上图是直线中的消影形成, X X X是世界直线， C C C是摄像机位置, x x x是图像直线, 可知世界直线和图像直线是不平行的。
本来 X 1 , X 2 , . . . , X X_1,X_2,...,X X1,X2,...,X是等距的，在 x x x图像直线不是这样的，消影点通过过摄像机中心的平行于世界直线的直线和图像直线求交点获取
所以消影点和世界直线的位置无感，只和与图像直线的夹角相关。
推广到3D空间：
设一直线方向为 d d d，那么消影点就是过摄像机中心且方向为 d d d的射线与图像平面的交点 v v v:
v = P X ∞ = k [ I ∣ 0 ] ( d 0 ) = K d v = PX_{\infty} = k[I|0] \begin{pmatrix} d \\ 0 \end{pmatrix} = Kd v=PX∞=k[I∣0](d0)=Kd
由消影点求摄像机旋转：
某摄像机拍了两张图，其中某景物在图一中的消影点是 v v v，在图二中的消影点是 v ′ v' v′，先得到消影方向 d d d :
d i = K − 1 v i ∣ ∣ K − 1 v i ∣ ∣ d_i = \frac{K^{-1}v_i}{||K^{-1}v_i||} di=∣∣K−1vi∣∣K−1vi
用归一化因子 ∣ ∣ K − 1 v i ∣ ∣ ||K^{-1}v_i|| ∣∣K−1vi∣∣来保证单位矢量，通过下式求得 R R R：
最低0.47元/天 解锁文章
扫一扫
5934
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
