1、单应矩阵
直接上公式:
其中为两张图片中匹配好的特征点对的像素齐次坐标。
可以看出单应矩阵直接描述了图像1与图像2之间的关系。然而由于其直接使用了二维的像素信息,并未恢复其尺度信息。(单应矩阵的分解过程中也是假设了所测三维点均在同一平面)所以在使用时要求对应的三维点要在同一个平面。所以在orb-slam初始化时视差较小的情况下检测到的同一平面上的特征点较多时,使用H矩阵分解得到R与t(第一幅图与第二幅图成像平面之间的旋转与平移关系),具体流程见另一博主的帖子:单应矩阵的分解 - 知乎
2、基础矩阵F与本质矩阵E
这两个比较好理解,看一下公式(截取自北邮的三维重建课程中ppt里的解释)
本质矩阵:对规范化相机拍摄的两个视点图像间的极几何关系进行代数描述。
基础矩阵:对透视相机拍摄的两个视点的图像间的极几何关系进行代数描述。
通俗的讲就是一个考虑的内参,一个没考虑内参。