正文
之前我们讲解了增强现实(AR)注册跟踪的数学原理与推导(链接数学原理),内参矩阵A的标定(链接相机标定)和外参矩阵W的推导(链接外参矩阵推导)本篇将接着第三讲,进一步求解单应性矩阵H,在第三讲中我们知道单应性矩阵由内参矩阵A和外参矩阵W共同组成。不懂的再看看下图
(注:红框为内参矩阵A;蓝框为外参矩阵W;绿框为单应性矩阵H)
单应性矩阵H在计算机视觉领域是一个非常重要的概念,它在图像校正、图像拼接、相机位姿估计、视觉SLAM等领域有着非常重要的作用。简单的说单应性矩阵就是同一平面的点在不同图像之间的映射关系(前提是同一平面)举个简单的例子就是现在很多软件都能对银行卡拍照自动识别出银行卡号码,但是一般我们拍照时不都是正对着相机,可能会有偏差,比如这样
但是你对着银行卡拍完照后,你会发现这些软件会自动把银行卡抠出来,并且校正成非常正规的矩形,像下面这样
这里面单应性矩阵H的作用就是自动把银行卡从背景中提取出来,并且形成非常规整的矩形,这就是前面所说的单应性矩阵H描述的是同一平面的点在不同图像之间的映射关系。
好了经过上面简单的例子,我们对单应性矩阵H有了一个初步的概念,下面我们将结合示意图来说明
图一:基准图
图二:目标图像
如上图所示,通过投影变换将基准图像和目标图像的重合区域进行匹配对应,这种对应关系就是由单应性矩阵H确定的。基准图像中点a为Pa=(Xa,Ya,1)目标图像中的点b为Pb=(Xb,Yb,1),则其投影关系为:
其中Hba为单应性矩阵,.R为旋转矩阵,t为平移向量,n为平面的法向量,d为与平面的距离。Ka,Kb分别为相机的内参数矩阵。根据二维平面中Z=0,则相机成像模型关系式可以表述为: