一.对极约束
p1与p2是一对匹配好的特征点,需要若干对这样的点,就可以通过这些点的对应关系,恢复出两帧间摄像机的运动。
推导简化后的对极约束:
本质矩阵:E 基础矩阵:F
相机位姿估计:
由于K是相机内参,为已知,所以根据已知的配对点的像素位置求出E或F
再根据E或F求出R,t
二.本质矩阵
即上图第一个等式,E是一个3X3的矩阵,9个未知数。
E是在对极约束中定义的,而对极约束是等式为0的约束,所以 常数(不为0)x E,对极约束依然成立,即E在不同尺度下等价。
用八点法求解
会估算出4种相机的姿态,根据实际因素可知正确的姿态
三.单应矩阵
描述两个平面之间的映射关系,特征点都在同一平面,则可以通过单应性进行运动估计。
与本质矩阵类似,单应矩阵需要4对匹配点
求出单应矩阵后,对其进行分解,得到R与t。
通常同时估计基础矩阵F和单应矩阵H,选择重投影误差较小的那个为最终的运动估计矩阵。
单应性的应用
广告牌
校正文件卡片
图像拼接
AR等
四.总结
我认为这几种矩阵本质类似,我认为就是一种位置的对应关系,由若干个匹配的特征点,通过推导计算出相应的矩阵,再将矩阵分解为旋转阵R和平移阵t,从而得知相机的运动。