一分钟详解「本质矩阵」推导过程

最新推荐文章于 2023-10-12 00:30:00 发布
最新推荐文章于 2023-10-12 00:30:00 发布
阅读量5.6k 收藏 23
点赞数 8
分类专栏： 3D视觉从入门到精通 文章标签： 极线几何 本质矩阵 基本矩阵
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Yong_Qi2015/article/details/82858582
版权
本文详细介绍了本质矩阵的推导过程，本质矩阵是基本矩阵的一种特殊情况，用于描述两幅图像间的关系，尤其是相机在归一化坐标系下的旋转和平移。通过8个对应点可求解本质矩阵，opencv库提供了便捷的实现。同时，文章还探讨了本质矩阵与基本矩阵的区别，后者包含了相机内参数信息。
摘要由CSDN通过智能技术生成

文章目录

前言

两幅视图存在两个关系：第一种，通过对极几何，一幅图像上的点可以确定另外一幅图像上的一条直线；另外一种，通过上一种映射，一幅图像上的点可以确定另外一幅图像上的点，这个点是第一幅图像通过光心和图像点的射线与一个平面的交点在第二幅图像上的影像。第一种情况可以用基本矩阵来表示，第二种情况则用单应矩阵来表示。而本质矩阵则是基本矩阵**的一种特殊情况，是在归一化图像坐标系下的基本矩阵。

一 本质矩阵如何推导

推导过程梳理如下：
在这里插入图片描述

在这里插入图片描述

了解本专栏 订阅专栏 解锁全文 超级会员免费看
3Ｄ视觉工坊
关注
专栏目录
订阅专栏
一分钟详解initUndistortRectifyMap函数bug修复方法
3D视觉工坊
06-16 3453
在上一篇文章OpenCV中initUndistortRectifyMap函数存在bug原因探究的结尾处，留给大家思考三个问题： 1）为何会产生跳变？ 2）如何有效解决跳变？ 3）源代码如何优化？ 本文便顺着上次的行文思路，来为大家提供一种解决方案。仅仅是笔者的一点思考。如果有更好的解决方案，也欢迎后台留言讨论。 对于上述文章中的跳变产生原因，大致可以见下图中的公式推导，此处为了简便（便没有在公式编...
基础矩阵与本质矩阵推导
qq_38555897的博客
04-21 895
slam中基础矩阵和本质矩阵得简单推导
从本质矩阵到基础矩阵(推导)
mrzkilin的博客
02-13 2002
首先推导本质矩阵 什么是本质矩阵? 给定第一幅图中的一个点,这个点的坐标乘以基础矩阵将得到其在第二幅图中的对极线坐标. Ex = l’ 如果一个点在对极线上,那么xTl = 0 这是投影空间中点和线的二元性.如何证明? 两个正交向量的点积=0 任意两个向量的叉积与这两个向量所组成的平面垂直. Ex = l’ xTl = 0 可以推出 xTEx=0 本质矩阵和单应性矩阵的区别? 本质矩阵是将点映射...
本质矩阵
游泳的鱼的专栏
09-13 9606
预备知识： https://blog.csdn.net/kokerf/article/details/72630863?locationNum=2&fps=1 https://github.com/opencv/opencv/blob/3.1.0/modules/calib3d/src/fundam.cpp#L548 定义： 基础矩阵和本质矩阵都反映了双目图像在两幅对极极线上的...
本质矩阵和基础矩阵推导过程
09-21
文章详细介绍了本质矩阵和基础矩阵的推导过程
三维重建：对极约束，基础矩阵、本质矩阵、三角化详细推导过程
jonathanzh的博客
03-02 2190
对极几何 描述两个视图之间的射影几何关系，计算相机不同位置的变换关系。 对极约束 以上图为例，I1I_1I1​和I2I_2I2​是两帧图像，它们之间的相机运动关系是R,tR, tR,t。O1O_1O1​和O2O_2O2​分别是这两个位姿处的光心，设通过特征匹配等手段确定p1和p2p_1和p_2p1​和p2​是同一个特征点在两幅图像上的投影，设它为[X,Y,Z]T[X, Y, Z]^T[X,Y,Z...
MATLAB算法实战应用案例精讲-【图像处理】SLAM技术详解（应用篇）
最新发布
qq_36130719的博客
10-12 998
卡尔曼滤波是递归的线性高斯系统最优估计。EKF将NLNG系统在工作点附近近似为LG进行处理。IEKF对工作点进行迭代。UKF没有线性化近似，而是把sigma point进行非线性变换后再用高斯近似。PF去掉高斯假设，以粒子作为采样点来描述分布。优化方式同时考虑所有帧间约束，迭代线性化求解。
深度神经网络的训练过程,深度神经网络如何训练
ynca67269的博客
08-11 297
对数学好的同学来说，可能最致命的是一个误区，因为计算机的基础是数学，所以完全使用数学思维去解决计算机问题是没问题的，我这里只能说计算机有自己的思维模式，哪怕是那些基于数学原理的算法问题，所以数学专业的同学必须要学会认识到这种思维的差异并学会使用计算机的思维来解决问题，而机器学习则是计算机思维的一个典型代表，这个将会在课程中具体讨论。如果你的机器学习基础非常薄弱，没有在工程实践中使用过机器学习，没有实时数据处理的经验，那么，就是它了。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。...
详细解读Spatial Transformer Networks（STN）-一篇文章让你完全理解STN了
热门推荐
多元思考力
12-22 11万+
目录 STN的作用 1.1 灵感来源 1.2 什么是STN？ STN的基本架构 Localisation net是如何实现参数的选取的？ 3.1 实现平移 3.2 实现缩放 3.3 实现旋转 3.4 实现剪切 3.5 小结 Grid generator实现像素点坐标的对应关系 4.1 为什么会有坐标的问题？ 4.2 仿射变换关系 Sampler实现坐标求解的可微性 5.1 小数
改进八点算法求基础矩阵，再求本质矩阵及相机外参
05-25
用改进的八点算法求基础矩阵，进而求本质矩阵及相机外参。
单应矩阵，基本矩阵，本质矩阵
weixin_30276935的博客
02-10 686
1.归一化图像坐标2.本质矩阵 essential matrix2.1 本质矩阵的推导2.2特点3.相机内参4.基本矩阵 fundamental matrix4.2基本矩阵推导4.1特点5.完整模型：空间点到像素坐标6.单应矩阵 homography matrix 参考barfoot 书 p195- 1.归一化图像坐标 这里相机坐标系为Fs,图像和坐标为O，这里假设焦...
矩阵求导（本质、原理与推导）详解
weixin_60737527的博客
03-29 2万+
矩阵求导详解
(01)ORB-SLAM2源码无死角解析-(21) 基本矩阵Fundamental→本质矩阵Essential 分解恢复 Rt
江南才尽江南山，年少无知年少狂！
04-16 1336
讲解关于slam一系列文章汇总链接:史上最全slam从零开始，针对于本栏目讲解的(01)ORB-SLAM2源码无死角解析链接如下(本文内容来自计算机视觉life ORB-SLAM2 课程课件): (01)ORB-SLAM2源码无死角解析-(00)目录_最新无死角讲解：https://blog.csdn.net/weixin_43013761/article/details/123092196 文末正下方中心提供了本人联系方式，点击本人照片即可显示WX→官方认证{\color{blue}{文末正下方中心}
vins-mono细节-如何求本质矩阵(Essential matrix)和Rt
m0_47096428的博客
08-19 2514
本质矩阵可以用来表达两个相机位姿之间的位置关系(具体?),本质矩阵的分解可以得到R和t.通常是v-slam我们最想要的. 我们来讨论一下在vins-mono中,如何从已经配对的特征点得到本质矩阵,R,t. 输入:已经配对的数量足够的特征点 step 1: 求基础矩阵 注意,这里基础矩阵等于本质矩阵, 因为归一化坐标已经去除了k的影响 cv::Mat E = cv::findFundamentalMat(ll, rr); step 2:分解 E 得到E后,我们对E进行SVD, 并且要保证,.
本质矩阵分解
weixin_30920091的博客
03-04 518
定义 本质矩阵是归一化图像坐标下的基本矩阵的特殊形式 E=t^R 性质 一个 3X3 矩阵是本质矩阵的充要条件是它的奇异值中有两个相等而第三个是 0 证明：正交矩阵$W=\begin{bmatrix}1&-1&0\\1&0&0\\0&0&1\end{bmatrix}$ 反对称矩阵$Z=\begin{bmatrix}0&a...
vSLAM学习笔记——本质矩阵
weixin_39739042的博客
01-06 746
记录一下本质矩阵的一些知识点。 对极几何 x2Tt∧Rx1=0.x_2^Tt^\wedge Rx_1=0.x2T​t∧Rx1​=0.p2TK−Tt∧RK−1p1=0.p_2^TK^{-T}t^\wedge RK^{-1}p_1=0.p2T​K−Tt∧RK−1p1​=0. 对极几何的几何意义是O1,P,O2O_1,P,O_2O1​,P,O2​三者共面。对极约束中同时包含了平移和旋转。记： E=t∧RE=t^\wedge RE=t∧R， F=K−Tt∧RK−1F=K^{-T}t^\wedge RK^{-1}F=
本质矩阵与基本矩阵(Essential and Fundamental Matrices)
xjtuse123的博客
05-18 8459
回顾本质矩阵的定义 本质矩阵的基本性质： 结合成像的几何关系 注意大小写的区别哦，大小表示物点矢量，小与表示像点矢量。 像平面上的一点可以看作： • (u,v) 2D film point(局限于像平面上来考虑) • (u,v,f) 3...
矩阵手册：矩阵推导常用公式详解
"《矩阵烹饪书》是一份关于矩阵推导的综合资料，包含了矩阵运算的各种事实、身份关系、近似值、不等式等。它旨在为需要快速查阅矩阵相关知识的人提供方便。该资源由Kaare Brandt Petersen和Michael Syskind Pedersen...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

3Ｄ视觉工坊

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

实付元
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