易懂的对极几何与三维重建概念理解与matlab编程实践

推荐开源项目：简单的SLAM与机器人教程与编程实践-github

破解对极几何中的概念障碍

首先介绍下三维重建到底要做什么事。我们知道一个物体在现实世界的位置是三维的，但是照片是二维的。这意味照片拍摄到的场景丢失了一维。而这一维就是物体离相机的远近。对极几何三维重建就是希望通过多张角度的照片还原各个像素点相对相机的三维坐标。
看本文前你需要了解针孔相机成像原理（即小孔成像原理，参见教程《针孔相机模型成像原理与图像变形矫正教程
》）
下面这幅图就描述了对极几何。对极几何主要是介绍同一个物体在两个不同的视角下的几何约束关系。而这些几何约束关系对应着一系列等式。通过求解这些等式我们就可以求解得到P相对于第一个视角和第二个视角的坐标。接下来我们看看到底存在哪些几何约束？

注意：
P是现实世界中某一点。$p_0,p_1$分别是第0个和第1个视角下物体P被拍摄到的点。注意：$p_0,p_1$并不是像素点，它们只是损失掉深度值后的点，他们和像素点坐标$x_0$之间的联系是$x_0=K{p}_0$其中K是相机的内部参数矩阵主要是相机的焦距和原点位置。$C_0,C_1$分别是两个不同视角对应的相机焦点。不同视角就是指相机位置姿态发生了变化。
相机成像原理第0个视角下，P点与$p_0$和第一个视角下相机焦点一定在同一条直线上。而且这条直线上的其他现实世界中的点会重合投影到$p_0$。也就是说虽然第0个视角只看到了$p_0$这一个点，但是事实上这个点是由多个点重合投影得到的。那么我怎么知道是否存在重合投影呢？这就是需要第1个视角进行补充约束。大牛们把这约束叫做对极约束。

对极几何进行三维重建的思路

我们从上图中可以看到，$P{p}_0$这条直线上的点虽然投影到第0个视角是重合到$p_0$但是投影到第1个视角却并不是重合。因此我们根据这些点可以解出红色这条直线（学术上叫做极线Epiolar Line），然后解出极点（Epiplole），然后根据极点和焦点在同一条直线上解出**$C_0{C}_1$这条直线（学术上叫做基线）**。现在我们知道了极线和基线。如果相机位姿没发生变化那么$C_0{C}_1$这条直线（基线）应该要与极线（Epipolar Line）平行。现在他们不平行了我们只用解出这之间的位姿变化就可以解出两个视角发生的位姿变化。

那么怎么求解红色那条直线（极线Epiolar Line）呢？答：先求出基础矩阵（后面会讲）。根据基础矩阵和像素坐标可以计算出极线的方程。

求解极线（本质矩阵essential matrix）

我们把两条极线，基线独立出来看看他们之间的数学联系。然后根据这些数学联系来计算出极线的数学表达式。

我们知道$C_0{p}_0,C_{}$