对极几何，2D—2D之间的相机运动

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。