C.Approximating a 3 × 3 matrix by a Rotation Matrix 通过旋转矩阵逼近3×3矩阵
在本节中考虑的问题是求解最佳旋转矩阵R以逼近给定的3×3矩阵Q.这里的最佳旋转矩阵使差值R-Q的Frobenius范数最小。也就是说,我们要解决以下问题:
因为:
问题15等价于最大化
t
r
(
R
T
Q
)
tr(R^TQ)
tr(RTQ)(矩阵的迹)。
设Q的奇异值分解
U
S
V
T
USV^T
USVT,其中
S
=
d
i
a
g
(
σ
1
,
σ
2
,
σ
3
)
S=diag(\sigma_1,\sigma_2,\sigma_3)
S=diag(σ1,σ2,σ3).如果我们定义一个正交矩阵
Z
=
V
T
R
T
U
Z=V^TR^TU
Z=VTRTU,则
很明显,通过设置
R
=
U
V
T
R = UV^T
R=UVT可以得到最大值,因为此时
Z
=
I
Z = I
Z=I.即给出了问题(15)的解。
D Camera Calibration Under Known Pure Translation 已知纯平移下的相机标定
如在Sect. 4所述,如果物平面进行了一个纯平移,前文中提出的技术将不起作用。但是,如果像Tsai技术中的设置那样知道平移,则可以进行相机校准[23]。
从(2),我们得到
t
=
α
A
−
1
h
3
t =αA^{-1}h_3
t=αA−1h3,其中
α
=
1
/
∣
∣
A
−
1
h
1
∣
∣
α= 1 / ||A^{-1}h_1||
α=1/∣∣A−1h1∣∣。 两个位置i和j之间的平移即:
(请注意,尽管H(i)和H(j)都是根据它们自己的比例因子进行估算,但它们是纯粹的平移所以可以重新调整为单个公共的比例因子。)如果我们只知道平移的方向,我们可以得到两个对A的约束。如果我们还知道平移的幅度的话,就可以再得到一个约束。那么可以从两个平面进行完全校准。