3D重构基础四－－Planar Homography & Epipolar Geometry

上一篇，只要主要搞清楚透视的坐标变换。

这一篇，要搞清楚两个概念，Planar Homography （共面点成像）& Epipolar Geometry（对极几何）

Now，Start！

先补充Homography的概念，简单来说Homography（单应性），说的是投影的时候可以逆过来找，比如,一个物体可以通过旋转相机镜头获取两张不同的照片(这两张照片的内容不一定要完全对应,部分对应即可),我们可以把单应性设为一个二维矩阵M,那么照片1乘以M就是照片2. 这有着很多实际应用，比如图像校正、图像对齐或两幅图像之间的相机运动计算（旋转和平移）等。一旦旋转和平移从所估计的单应性矩阵中提取出来，那么该信息将可被用来导航或是把3D物体模型插入到图像或视频中，使其可根据正确的透视来渲染，并且成为原始场景的一部分（请见增强现实）。

具体的解释可以戳wiki。

一、共面点成像

思路：同一物理点，不同成像面之间的关系。

在前面已经讨论了三维物体成像过程，相比之下，还有一种稍简单的情况——平面成像，即所有的物点都处在同一个平面上，我们有理由相信，这种情况下的成像关系是一般立体成像的一种特例。

先回顾一下一般的单体成像过程

 

对于共面的物点，在恰当的世界坐标系中，可以令其中一个坐标值为0，不妨设第三维坐标为0，图示如下：

由于物点的第三维坐标为0，整个成像过程的矩阵表示会得到简化。

可以简化为一个3X3的矩阵，称之为Homography矩阵，该矩阵是可逆的!!

对于正前方的物体平面(垂直于光轴)，成像关系将更进一步简化。

将共面物点经成像之后，再变换为数字图像(u,v)

研究共面点成像有什么意义呢？