三维重建(一)外极几何,基础矩阵及求解

最近在看三维重建的东西,把看到的东西总结一下。

一、外极几何

已知两个摄像头的光心 O O P 为空间中的一点,p p 是点 P 在两个摄像头成的像中的投影。
平面OOP称为外极平面,显然 p p OP OP 上的,即该5点共面。外极平面 OOP 与两个相机的视平面相交于线 l l,这两条直线称为外极线。其中 l 是与p相关的外极线, l 是与 p 相关的外极线。且p l 上,p l 上。 O O与相关视平面相交于点 e e,这两个点分别为 O O在对方视平面的投影。如下图所示:
这里写图片描述
按照上面的定义,假设 p p分别是空间中同一点在两个不同视平面上的像点,则 p 一定在 l 上, p 一定在l上,这就是外极线约束。
如果已经知道相机的参数,那么在重建过程中遇到的问题就是两幅图像之间的关系,外极线约束的主要作用就是限制对应特征点的搜索范围,将对应特征点的搜索限制在极线上。

二、基础矩阵

上面提到的是两幅图像之间的约束关系,这种约束关系使用代数的方式表示出来即为基本矩阵。
假设 M M分别为两个摄像机的参数矩阵,其他同上图所示。则极线 l 的参数方程为:

P(s)=M+p+sO
其中, M+ M 的广义逆矩阵,于是有,
l=e×p=(MO)×(MP(s))=(MO)×(MM+p+sMO)=(MO)×(MM+p)=[e+]×MM+p
F=[e+]×MM+
这里, F 就表示两幅图像关系的基础矩阵,也是两幅图像极几何关系的代数描述。
由上可知,l=Fp,且 p 一定在 l 上,则
pTFp=0
且基础矩阵 F 是一个3×3的秩为2的矩阵。
一般记基础矩阵 F
F=f11f21f31f12f22f32f13f23f33
给一对匹配点 x1(x1,y1) x2(x2,y2) 由上可知 xT1Fx2=0 ,由矩阵乘法可知有
这里写图片描述

三、确定基础矩阵方法

确定基础矩阵的最简单的方法即为8点法。由上可知,存在一对匹配点 x1 , x2 ,当有8对这样的点时如下图所示:
8对匹配点
则有如下方程:
这里写图片描述
另左边矩阵为 A ,右边矩阵为 f ,即

Af=0
优化方法一般使用最小二乘法,即优化

minjd(xj1,Fxj1)2+d(xj2,Fxj2)

RANSAN算法可以用来消除错误匹配的的点,找到基础矩阵 F ,算法思想如下:
(1)随机选择8个点;
(2)用这8个点估计基础矩阵F
(3)用这个 F 进行验算,计算用F验算成功的点对数 n
重复多次,找到使n最大的 F <script type="math/tex" id="MathJax-Element-67">F</script>作为基础矩阵。

已标记关键词 清除标记
©️2020 CSDN 皮肤主题: 编程工作室 设计师:CSDN官方博客 返回首页