对极几何（Epipolar Geometry）

基本概念

 

对极几何（Epipolar Geometry）是Structure from Motion问题中，在两个相机位置产生的两幅图像的之间存在的一种特殊几何关系，是sfm问题中2D-2D求解两帧间相机姿态的基本模型。

 

基本模型

其中c0、c1为两个相机中心，p为空间中一点，p在c0、c1对应像平面上的投影分别为x0、x1。c0、c1连线与像平面的交点e0、e1称为极点（Epipoles），l0、l1称为极线（Epipolar Lines），c0、c1、p三点组成的平面称为极平面（Epipolar Plane）。

 

对极约束（Epipolar Constraint）

 

对极几何中最重要的一条公式是对极约束（Epipolar Constraint），下面让我们来推导出这个约束条件。

根据针孔相机模型，相机成像平面一点的像素坐标p和该点在世界坐标系下的3D坐标P有$p=KP$的关系，如果用齐次坐标表示则有：

$$dp=KP$$

其中d是空间点深度（为了将p的齐次项变为1），K是相机内参数矩阵，p和P都是齐次坐标。

于是如果以第一个相机的坐标系为参照，对于两个相机则有：$$d_0p_0=KP，d_1p_1=K(RP+t)$$

其中R为旋转矩阵（Rotation），t为平移向量（Translation）。令$x = K^{-1}p$，去掉内参K归一化成：

$$d_0x_0=P， d_1x_1=RP+t$$

由这两式得：$$d_1x_1 = R(d_0x_0)+t$$

两边同时叉乘t消去加号后面单独的t项：$$t \times d_1x_1 = t \times Rd_0x_0+t \times t$$

进而：

$$t \times x_1 = t \times Rx_0$$

再在两遍同时坐乘一个x1：

$$x_1^T (t \times x_1) =x_1^T t \times Rx_0$$

由于等号左边x1乘上了一个和自身垂直的向量，所以等于0，故：

$$x_1^T t \times Rx_0=0$$

该等式称为对极约束（Epipolar Constraint）。

对极约束的几何意义：x1、t、Rx0三者混合积为0，表示这三个向量共面，即上图中三角形的三边共面。

令$E =t \times R$，得到对极约束的新形式：

$$x_1^TEx_0=0$$

E称为本质矩阵（Esential Matrix），由外参数R和t决定。

本质矩阵的几何意义：$x_1^Tl_1=0$，即x1在直线 $l_1=Ex_0$上，表示E将x0投影到另一帧图像中的直线l1上。

 

使用方法

 

有了对极几何的模型，2D-2D的相机姿态可以通过如下过程求解：

①通过多组对应点（Correspondence）进行帧间匹配，求出本质矩阵E。

②通过对E进行分解求出外参数R和t，即相机姿态。

具体过程参见另一篇博文——相机姿态估计（Pose Estimation） 中2D-2D情形。

 

转载于:https://www.cnblogs.com/clarenceliang/p/6704970.html