python opencv 三维重建_Python3 OpenCV3图像处理-外极几何

外极几何

多视图几何是利用在不同视点所拍摄图像间的关系，来研究照相机之间或者特征之 间关系的一门科学。图像的特征通常是兴趣点，本章使用的也是兴趣点特征。多视 图几何中最重要的内容是双视图几何。

如果有一个场景的两个视图以及视图中的对应图像点，那么根据照相机间的空间相 对位置关系、照相机的性质以及三维场景点的位置，可以得到对这些图像点的一些 几何关系约束。我们通过外极几何来描述这些几何关系。本节简要介绍外极几何的 基本内容。

没有关于照相机的先验知识，会出现固有二义性，因为三维场景点 X 经过 4×4 的 单应性矩阵 H 变换为 HX 后，则 HX 在照相机 PH-1 里得到的图像点和 X 在照相机 P 里得到的图像点相同。利用照相机方程，可以将上述问题描述为：

因此，当我们分析双视图几何关系时，总是可以将照相机间的相对位置关系用单应性矩阵加以简化。这里的单应性矩阵通常只做刚体变换，即只通过单应矩阵变换了 坐标系。一个比较好的做法是，将原点和坐标轴与第一个照相机对齐，则

其中 K1 和 K2 是标定矩阵，R 是第二个照相机的旋转矩阵，t 是第二个照相机的平移向量。利用这些照相机参数矩 阵，我们可以找到点 X 的投影点 x1 和 x2（分别对应于投影矩阵 P1 和 P2）的关系。 这样，我们可以从寻找对应的图像出发，恢复照相机参数矩阵。

上面的公式表明，我们可以借助 F 来恢复出照相机参数，而 F 可以从对应的投影图 像点计算出来。在不知道照相机内参数（K1 和 K2）的情况下，仅能恢复照相机的投 影变换矩阵。在知道照相机内参数的情况下，重建是基于度量的。所谓度量重建， 即能够在三维重建中正确地表示距离和角度 1。

利用上面的理论处理一些图像数据前，我们还需要了解一些几何学知识。给定图像 中的一个点，例如第二个视图中的图像点 x2，利用公式（5.1），我们找到对应第一 幅图像的一条直线：

外极线都经过一点 e，称为外极点。实际上，外极点是另一个照相机光心对应的图像 点。外极点可以在我们看到的图像外，这取决于照相机间的相对方向。因为外极点 在所有的外极线上，所以 Fe1=0。因此，我们可以通过计算 F 的零向量来计算出外极 点。同理，另一个外极点可以通过计算 0