视觉SLAM十四讲——对极约束（2D-2D）笔记

学习目标：

学习2D-2D点对极约束的原理，以及通过求解本质矩阵来估计相机的位姿。

---

目录：

     一、向量内积和外积

     二、对极约束的概念

     三、对极约束的公式推导

     四、本质矩阵和基础矩阵

     五、八点法

---

     一、向量内积和外积

1.向量的内积：又称点积，描述的是向量间的投影关系。

    向量a的行数=向量b的列数，则向量a和向量b的内积公式如下：

     𝑎·𝑏=𝑎1∗𝑏1+𝑎2∗𝑏2+….+𝑎𝑛∗𝑏𝑛=𝑎𝑏cos<𝑎,𝑏>

    当a和b是非零向量时，a与b正交的充要条件是a∙𝑏=0

2.向量外积：（又称叉积），外积的方向垂直于这两个向量。

a x b = a∧ b

其中，符号∧表示反对称符号，a∧表示矩阵，于是向量外积就写成了矩阵与向量的乘法，变成了线性运算。

---

     二、对极约束的概念

I2是第一帧图I1从光心O1运动到光心O2成的像。P是空间中的一点，对应第一帧I1中的特征点p1，在I2中对应的是特征点p2。（即同一个空间点在两个成像平面上的投影）

点O1、O2、P三个点确定一个平面，称为极平面，极平面与成像平面I1和I2相交线l1,l2，称为极线；O1O2连线称为基线，基线与两个像平面I1和I2的交点为e1和e2，称为极点。

---

     三、对极约束的公式推导

设P的空间位置为 P = [X , Y, Z]T，在两帧图片中对应特征点为p1和p2，从第一帧到第二帧相机的运动为R、t。

1.特征点p1、p2对应的像素位置为：

其中，K为相机内参，s1和s2是点P到光心O1和O2的距离，实际上s1可以理解为点P在相机O1坐标系下的Z轴值，s2是点P在相机O2坐标系下的Z轴值。(ps：修正之前错误表达)

2. 利用齐次坐标（下篇文章介绍下齐次坐标），可以变换为：

       ————（公式1）

3.设x1，x2是两个特征点p1和p2在归一化平面上的坐标，取

4.将x1、x2都左乘K，则得到p1=K x1，p2=K x2，带入公式1中，得到

         ————（公式2）

5.该公式两边同时左乘 t∧，相当于两侧同时与t做外积，而 t∧t=0，则得

  6.第5步骤中的公式左乘，则得

其中， 表示t和x2做外积，叉积的方向与t和x2的垂直，因此在与做内积时则为0，所以得到

      ————（公式3）

6.公式3中重新带入p1，p2，则得

————(公式4)

公式3和公式4都被称为对极约束，由公式可知，对极约束包含了平移和旋转。

---

     四、本质矩阵和基础矩阵

对于三中推导出的极线约束公式：

则令𝐸=𝑡∧𝑅，

称E为本质矩阵，F为基础矩阵，两者就相差一个相机内参。

带入对接约束的公式中，得到

因此求解相机位姿R和t的步骤为：

• 根据上下两帧的对应特征点的像素坐标，求出E或者F；
• 根据E或者F，利用SVD分解求出R和t。

---

五、八点法

• 由于对极约束是等式为0的约束，则对E乘以任意非0常数，则对极约束依然成立，因此称E有尺度等价性。
• 由于旋转和平移共有6个自由度，因此𝑡∧𝑅也有6个自由度，但是由于尺度等价性，故E有5个自由度。

求解E需要八点法，因此求解E至少需要上下帧图片中匹配到8对特征点。

---