特征点的三角化

三角化即在不同的位置观测同一个三维点P(x, y, z)，已知在不同位置处观察到的三维点的二维投影点X1(x1, y1), X2(x2, y2)，利用三角关系，恢复出三维点的深度信息z。

由于噪声的影响，这两条直线往往无法相交。则有
$$s_1{\mathbf{x}}_1=s_2\mathbf{R}{\mathbf{x}}_2+\mathbf{t}$$
其中R、t已知，为了求解s1、s2，可以分开求解，先左乘x^1，由于其与x1内积为0，则有
$$s_1{\mathbf{x}}_1^{\wedge }{\mathbf{x}}_1=0=s_2{\mathbf{x}}_1^{\wedge }\mathbf{R}{\mathbf{x}}_2+{\mathbf{x}}_1^{\wedge }\mathbf{t}.$$
便可求出s2.

注：若无平移，即t为0，纯旋转无法产生三角形，便无法进行三角化。同时，如果平移距离较小，则改变一个小角度都可能导致深度的大幅改变，因此而平移太小，则三角化精度不够，而平移过大则容易导致匹配失败——这就是三角化的矛盾。
因此，为了增加三角化的精度，可以提高特征点的提取精度，也就是提高图像分辨率，但是会加大计算量；或者增大平移量，但是容易导致图像变化过大，进而导致匹配难度的增加，导致匹配失败。