视觉里程计综合设计分析

视觉里程计综合设计分析

一 实验原理
如图所示,求取两帧图像 I1, I2 之间的运动,设第一帧到第二帧的运动为R, t。两个相机中心分别为 O1, O2。现在,考虑 I1 中有一个特征点 p1,它在 I2 中对应着特征点 p2。我们晓得这俩是通过特征匹配得到的。如果匹配正确,说明它们确实是同一个空间点在两个成像平面上的投影。这里我们需要一些术语来描述它们之间的几何关系。首先,连线 −−−→O1p1 和连线 −−−→O2p2 在三维空间中会相交于点 P。这时候点 O1, O2, P 三个点可以确定一个平面,称为极平面(Epipolar plane)。O1O2 连线与像平面 I1, I2 的交点分别为 e1, e2。e1, e2,称为极(Epipoles),O1O2 被称为基线(Baseline)。称极平面与两个像平面 I1, I2 之间的相交线 l1, l2 为极线(Epipolar line)。
在这里插入图片描述
直观上讲,从第一帧的角度上看,射线 −−−→O1p1 是某个像素可能出现的空间位置——因为该射线上的所有点都会投影到同一个像素点。同时,如果不知道 P 的位置,那么当我们在第二个图像上看时,连线 −−→e2p2(也就是第二个图像中的极线)就是 P 可能出现的投影的位置,也就是射线 −−−→O1p1 在第二个相机中的投影。现在,由于我们通过特征点匹配,确定了 p2 的像素位置,所以能够推断 P 的空间位置,以及相机的运动。

在第一帧的坐标系下,设 P 的空间位置为:P = [X, Y, Z]T .
根据针孔相机模型在这里插入图片描述
我们知道两个像素点 p1, p2 的像素位置为:s1p1 = KP , s2p2 = K (RP + t)这里 K 为相机内参矩阵,R, t 为两个坐标系的相机运动如果使用齐次坐标,我们也可以把上式写成在乘以非零常数下成立的等式:p1 = KP , p2 = K (RP + t)取x1 = K 1p1, x2 = K 1p2,这里的 x1, x2 是两个像素点的归一化平面上的坐标代入上式得:x2 = Rx1 + t
两边同时与t做外积,然后在左乘xT得:xT2 t∧x2 = xT2 t∧Rx1在这里插入图片描述

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值