本质矩阵

预备知识:

https://blog.csdn.net/kokerf/article/details/72630863?locationNum=2&fps=1

https://github.com/opencv/opencv/blob/3.1.0/modules/calib3d/src/fundam.cpp#L548

定义:

基础矩阵和本质矩阵都反映了双目图像在两幅对极极线上的相互关系,如下推导:

以上公式是在相机坐标系下;

一般内参矩阵 x 相机坐标系 =图像坐标系,故转到相机坐标系下:内参矩阵逆x图像坐标系 = 相机坐标系;

以上三个式子中的x和x'都是图像坐标系下的。

本质矩阵:

1.使用摄像机(Camera)坐标系;

2. 本质矩阵是特殊的基础矩阵,E=[t] × R,

3.本质矩阵是一个3x3矩阵,有5个自由度,平移包含的3个自由度与旋转包含3个自由度,去掉尺度不确定性的1个自由度(本质矩阵为齐次量)

4.作用  1) 给定一个图像上的一个点,被本质矩阵或基本矩阵相乘,其结果为此点在另一个图像上的对极线,在匹配时,可以大大缩小搜索范围。 2)可用于求R 和 T。

基本矩阵:

1. 基本矩阵也告诉我们一个图像中的像素如何与另一个图像的极线相关联。 (在像素坐标系下:像素-->极线);

以上:M指内参矩阵;S是平移矩阵;

本质矩阵估计是计算机视觉中的一个重要问题,也是三维重建和相机运动估计的基础。本质矩阵描述了两个相机之间的几何关系,可以用于恢复相机的运动和场景的结构。在Matlab中,可以使用一些函数来进行本质矩阵的估计。 在Matlab中,可以使用`estimateEssentialMatrix`函数估计本质矩阵。这个函数需要输入匹配的点对以及相机内参,然后可以得到估计的本质矩阵。 首先,需要提取图像中的特征点,可以使用`detectSURFFeatures`或其他特征点提取函数。然后可以使用`matchFeatures`函数将两个图像的特征点进行匹配。 接下来,需要使用`estimateFundamentalMatrix`函数估计基础矩阵。基础矩阵描述了两个图像间的几何关系,本质矩阵可以从基础矩阵中恢复出来。`estimateFundamentalMatrix`函数需要输入匹配的点对,然后可以得到估计的基础矩阵。 最后,可以使用`estimateEssentialMatrix`函数将估计的基础矩阵和相机内参(可以通过`cameraParameters`函数获取)进行综合,得到本质矩阵。 需要注意的是,由于图像匹配的不准确性和误匹配的存在,估计的本质矩阵可能存在一定的误差。因此,在实际应用中,需要进行一定的误差控制和精确性评估。 总之,在Matlab中,可以使用`estimateEssentialMatrix`函数进行本质矩阵的估计。这个函数的使用需要先进行特征点提取和匹配,然后使用估计的基础矩阵和相机内参进行综合,得到本质矩阵
评论 1
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

打赏作者

Ai智享

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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