计算机视觉里的多目几何-day1

Projective Geometry and Transformations of 2D (Day1)

带上“数学”这把斧头，在立体视觉的世界里，披荆斩棘。 —佚名

本文逻辑结构：

• 首先，总括看完本章的整体感受。
• 然后，梳理作者的逻辑。
• 再次，掩书而思。
• 最后，写写课后题。

Section 1

本章用了4天看完，总共40页，大概10页/天的进度。最大的感受是，引入Projective Plane这个数学表达，把2D中的点和线都统一用一个三元组（3x1向量）来表示，并且从这个层面上说，点和线是共轭的(conjugate)。除了描述点和线，还描述了圆锥曲线(conic)，最精彩的地方在于，conic联系了点和线。一个对象集合是{点，线，曲线}，另一个对象集合是{投影(Projective)，仿射(Affine)，相似(Similarity)，欧几里得(Euclidean)}四个层面的变换(transformation)，这是本章的两个研究对象。前者用向量或者矩阵表示，后者全部用矩阵表示。而且对于后者，矩阵的实际意义体现为一种变换（一种动态的变化，而且这种变化与时间无关，是一种瞬间发生的变化），矩阵里的特征值理论可以派上用场。

梳理本章的逻辑结构，有利于深入理解两个对象集合之间的关系，以及集合内部各个对象之间的关系。这种关系总是可以用数学完美地表达出来。对于下一章，这就非常顺其自然地推广了。

Section 2

几何问题的研究方法

• 纯几何方法（coordinate-free viewpoint）,一个典型的例子是经典的欧拉方法。
• 代数方法（algebraic viewpoint），由于笛卡尔引入了坐标系。

点，线，曲线在2D投影平面上的表示

对于直线 $ax+by+c=0$，对应的表示形式是 $=(a,b,c)^T$（记为$\mathbf{l}$）。对于点 $(x,y)$，对应到投影平面的形式是 $(x,y,1)$（记为$\mathbf{x}$）。这样一来，“点在直线上”的原始表达 $ax_0+by_0+c=0$可以表达成 $(x,y,1)(a,b,c)^T=0$，即$\mathbf{x}^T\mathbf{l}=0$。

$(x,y,1)$和$(a,b,c)$都是齐次的，也就是说，$k(x,y,1)$和$(x,y,1)$表示的是同一个点，$k(a,b,c)$和$(a,b,c)$表示的是同一条直线。正是因为齐次性，这种表达方式（后面都称作“投影表示法”）才能够保持2D中的点和直线的自由度（自由度=2）。所以，通常把$(x, y, 1)$写成$(x_1, x_2, x_3)$，后者和前者的关系是$(x_1/x_3, x_2/x_3, 1)$。

投影表示法的好处：
- 它可以表示无穷远点。如果$x_3=0$的话，$x_1/x_3 = \infty, x_2/x_3 = \infty$，即为无穷远点。
- 点在直线上

$$\mathbf{x}^T\mathbf{l}=0$$
- 直线的交点 $$\mathbf{x} = \mathbf{l_1}\times\mathbf{l_2}$$
- 两点确定的直线 $$\mathbf{l} = \mathbf{x_1}\times\mathbf{x_2}$$