本质矩阵E、基本矩阵F、单应矩阵H

1. E (归一化坐标对进行计算)= t ^ R 为3*3的矩阵, 因为R,t共有6个自由度,又因为单目尺度等价性,所以实际上E矩阵共有5个自由度。因此至少需要5个点对来求解。

2. 基本矩阵F=K^{-T}*E*K^{-1}:根据两帧间匹配的像素点对儿计算

  1. 3*3且自由度为7的矩阵
  2. kF也为基础矩阵,即相差一个尺度自由度
  3. F矩阵的秩为2

考虑到尺度等价性约束减一,另外det(F)=0,再减一,所以应该是7自由度。

3.H矩阵:通过两帧间的像素点对儿求解,但要求这些点的空间位置共面为3*3且自由度为8的矩阵

H可以将二维射影空间 中的一个点变换到另一个点 。根据射影空间的性质,必然存在一个 3*3的矩阵H,考虑到尺度的影响,H的自由度为8.

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
计算机视觉中,基本矩阵(Fundamental Matrix)和本质矩阵(Essential Matrix)是描述二维图像平面间相对姿态的两种关键矩阵,它们主要用于立体视觉中的相机校准和三维重建。 **基本矩阵**: - 基本矩阵是用来描述两个视角下同一点在图像中的对应关系的。它是一个3x3矩阵,如果两个视角的相机坐标系之间有一定程度的平行移动或旋转,那么它们之间的基本矩阵就是存在的。 - 基本矩阵的一个重要性质是,它可以由一对对应点的对齐向量通过七参数模型(即单应矩阵)简化得到。如果A和B分别是两个图像中的对应点,那么它们到相机中心的投影向量a和b满足a^T * F * b = 0。 - 当存在第三对对应点时,基本矩阵可以通过三对点唯一确定。 **本质矩阵**: - 本质矩阵是在基本矩阵的基础上,进一步考虑了相机的旋转和平移是不可分割的情况。在理想情况下,当相机只做旋转运动时,相机中心的平移会导致图像上的对应点线性相关,这就是本质矩阵所描述的。 - 本质矩阵同样是一个3x3矩阵,但它的元素比基本矩阵更受约束,因为它表示的是经过旋转和平移变换后的投影向量之间的关系。本质上,本质矩阵基本矩阵在排除平移后的形式。 - 本质矩阵是通过五个参数(三个旋转角和平移向量的两个分量)定义的,对于相同的视点对,本质矩阵的存在并不唯一,因为旋转和平移的组合可以产生同一个基本矩阵。 **区别**: - 基本矩阵适用于所有非平行移动的情况,而本质矩阵只适用于相机只做旋转运动的情况。 - 基本矩阵包含七参数,本质矩阵则包含五参数,因此本质矩阵提供了一种更精确地描述相机旋转和平移组合的方式。 - 求解本质矩阵时通常需要先估计基本矩阵,然后通过进一步的处理消除平移影响,而基本矩阵的求解相对直接一些。
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