OpenCV中的对极几何和对极约束

OpenCV中的对极几何和对极约束

这篇博客将学习多视图几何的基础知识,如什么是对极、对极线、对极约束等。

1. 原理

当使用针孔相机拍摄图像时会丢失一个重要的信息,即图像的深度。或者图像中的每个点离相机有多远,因为它是 3D 到 2D 的转换。

在这里插入图片描述
如上图俩个相机一左一右模拟眼睛成像,就可以确定3D点。

如果只使用左相机就无法找到图像中点 x 对应的 3D 点。因为 OX 线上的每个点都投影到图像平面上的同一点。但也要考虑正确的图像。现在 OX 线上的不同点投影到右平面上的不同点 (x’)。因此,通过这两个图像就可以对正确的 3D 点进行三角测量。

可以在左侧图像中看到,所有外线都在右侧图像外的一点处会聚。那个交汇点就是极点,如上图中最中间的x;

OX 上不同点的投影在右平面上形成一条线(线 l’),称它为对应于点 x 的epiline对极。这一意味着,要在其他图像中找到匹配点,不需要搜索整个图像,只需沿着对极搜索即可。因此它提供了更好的性能和准确性)。这称为对极约束。 类似地,所有点都将在另一幅图像中具有相应的外线。 XOO’平面称为对极平面。

O 和 O’ 是相机中心,可以看到右摄像机 O’ 的投影在点 e 的左图像上可见。它被称为对极。对极点是通过相机中心和图像平面的线的交点。类似地,e’ 是左相机的对极。

基本矩阵估计对匹配的质量、异常值等很敏感。

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
对极约束是计算机视觉的一个基本问题,它用于解决多视图几何的相机定位和三维重建等问题。在Python,可以使用OpenCV库实现对极约束的计算。 具体实现方法如下: 1. 首先读入两张图像,并提取它们的特征点。可以使用OpenCV的SIFT或SURF算法进行特征点提取。 ``` python import cv2 img1 = cv2.imread('img1.jpg') img2 = cv2.imread('img2.jpg') sift = cv2.xfeatures2d.SIFT_create() kp1, des1 = sift.detectAndCompute(img1, None) kp2, des2 = sift.detectAndCompute(img2, None) ``` 2. 对这些特征点进行匹配。可以使用OpenCV的BFMatcher算法进行特征点匹配。 ``` python bf = cv2.BFMatcher() matches = bf.knnMatch(des1, des2, k=2) good_matches = [] for m, n in matches: if m.distance < 0.75 * n.distance: good_matches.append(m) ``` 3. 通过这些特征点的匹配关系,计算出两张图像之间的基础矩阵(Fundamental Matrix)。 ``` python pts1 = np.float32([kp1[m.queryIdx].pt for m in good_matches]).reshape(-1, 1, 2) pts2 = np.float32([kp2[m.trainIdx].pt for m in good_matches]).reshape(-1, 1, 2) F, mask = cv2.findFundamentalMat(pts1, pts2, cv2.FM_RANSAC) ``` 4. 使用基础矩阵计算出两张图像之间特定点的线。可以使用OpenCV的computeCorrespondEpilines函数实现。 ``` python pts1 = np.float32([kp1[m.queryIdx].pt for m in good_matches]).reshape(-1, 2) pts2 = np.float32([kp2[m.trainIdx].pt for m in good_matches]).reshape(-1, 2) lines1 = cv2.computeCorrespondEpilines(pts2.reshape(-1, 1, 2), 2, F) lines1 = lines1.reshape(-1, 3) lines2 = cv2.computeCorrespondEpilines(pts1.reshape(-1, 1, 2), 1, F) lines2 = lines2.reshape(-1, 3) ``` 这样,就可以通过OpenCV实现对极约束的计算了。需要注意的是,在实际应用,需要对极线进行筛选和优化,以提高结果的精度和鲁棒性。
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

打赏作者

程序媛一枚~

您的鼓励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