第五章多视几何

基础矩阵 F

为了描述对极几何，引入基础矩阵F。在计算机视觉 中， 基础矩阵 （Fundamental matrix）F是一个3×3的 矩阵 ，表达了 立体像对的像点 之间的对应关系。

基础矩阵F性质

（1） 基础矩阵是秩为2、自由度为7的齐次矩阵。
（2）若x与x’是两幅图上的对应点，那么x′TFx=0。
（3）l’是对应于x的对极线，l′=Fx。
（4）若e是第二个摄像机光心在第一幅图像上的极点，那么Fe=0 。

 

F 可以用于  1简化匹配 2去除错配特征

 

3.基础矩阵估算方法
3.1 八点估算法
基本矩阵是由该方程定义的： x′TFx=0

其中x↔x′是两幅图像的任意一对匹配点。由于每一组点的匹配提供了计算F系数的一个线性方程，当给定至少7个点（3×3的齐次矩阵减去一个尺度，以及一个秩为2的约束），方程就可以计算出未知的F。我们记点的坐标为x=(x,y,1)T，x′=(x′,y′,1)T

 

基线距离
基线B为两个镜头中心之间的连线（如下图所示）。在双目视觉系统中，基线距离是一个非常重要的参数，基线距离的改变会影响系统的定位精度。 

结论：随着k的增大，总系统误差（e 3 e_3e 3对应的黑色曲线）先是减小后又增大，在k=1.41时，系统误差达到最小值。将k代回B中，可以得到当M <= B <= 2M时，会获得比较小的系统误差，而当0.5M < B < 0.7M时，定位误差会很大。基线最佳距离是B = 1.41M。