两张视角相似的图片,通过提取特征点、描述子,然后进行匹配,再通过单应约束优化之后得到的匹配关系基本就是正确的匹配了。然后在此基础上想画出外极线,来验证一下匹配的结果是否正确。于是就写了一个简单的函数。假设已经得到了匹配的特征点了,下面的函数将会画出这些点对应的外极线。
- //画出外极线,对应点已经经过了RANSAC优化
- void DrawEpiLines(const Mat& img_1, const Mat& img_2, vector<Point2f>points1, vector<Point2f>points2){
- cv::Mat F = cv::findFundamentalMat(points1, points2, CV_FM_8POINT);
- //首先根据对应点计算出两视图的基础矩阵,基础矩阵包含了两个相机的外参数关系
- std::vector<cv::Vec<float, 3>> epilines1, epilines2;
- cv::computeCorrespondEpilines(points1, 1, F, epilines1);//计算对应点的外极线epilines是一个三元组(a,b,c),表示点在另一视图中对应的外极线ax+by+c=0;
- cv::computeCorrespondEpilines(points2, 2, F, epilines2);
- //将图片转换为RGB图,画图的时候外极线用彩色绘制
- cv::Mat img1, img2;
- if (img_1.type() == CV_8UC3)
- {
- img_1.copyTo(img1);
- img_2.copyTo(img2);
- }
- else if (img_1.type() == CV_8UC1)
- {
- cvtColor(img_1, img1, COLOR_GRAY2BGR);
- cvtColor(img_2, img2, COLOR_GRAY2BGR);
- }
- else
- {
- cout << "unknow img type\n" << endl;
- exit(0);
- }
- cv::RNG& rng = theRNG();
- for (uint i = 0; i < points2.size(); i++)
- {
- Scalar color = Scalar(rng(256), rng(256), rng(256));//随机产生颜色
- circle(img2, points2[i], 5, color);//在视图2中把关键点用圆圈画出来,然后再绘制在对应点处的外极线
- line(img2, Point(0, -epilines1[i][2] / epilines1[i][1]), Point(img2.cols, -(epilines1[i][2] + epilines1[i][0] * img2.cols) / epilines1[i][1]), color);
- //绘制外极线的时候,选择两个点,一个是x=0处的点,一个是x为图片宽度处
- circle(img1, points1[i], 4, color);
- line(img1, cv::Point(0, -epilines2[i][2] / epilines2[i][1]), cv::Point(img1.cols, -(epilines2[i][2] + epilines2[i][0] * img1.cols) / epilines2[i][1]), color);
- }
- cv::imshow("img2 epiline1", img2);
- cv::imshow("img1 epiline2", img1);
- waitKey(0);
- }