一、基础矩阵的原理:
基本矩阵,如一个矩阵F,使得空间中不在两图像平面上的任意点X分别在两图像的投影坐标x,x’满足等式(x’)TFx=0,即x’的转置乘以F,再乘以x的结果为0,那么F就是左边图像到右边图像的基本矩阵,从公式上可以看出基本矩阵是有方向的,F矩阵有如下性质:
1、秩为2;
2、F矩阵是一个7个自由度的33矩阵(33矩阵本身9个自由度,因为相差一个常数因子和行列式值为0两个条件,减掉2个自由度),相差一个常数因此的意思是:kF(k!=0)也是基本矩阵,也就是说如果F是基本矩阵,那么kF也是基本矩阵,所以基本矩阵不唯一,在相差一个倍数的前提下是唯一的,也就是我们可以固定矩阵中某一个非零元素的值,这样自然少一个自由度。
这里讲下自己对基本矩阵的理解:很简单,基本矩阵提供了三维点到二维的一个约束条件。如果我们知道一幅图像中的某一点和两幅图的基本矩阵,那么就能知道其对应的右图上的点一定是在一条直线上,这样就约束了两视角下的图像中的空间位置一定是有约束的,不是任意的。基本矩阵是很有用的一个工具,在三维重建和特征匹配上都可以用到。其映射原理如下图所示:
二、根据不同的图像对计算基础矩阵
代码展示:
# coding: utf-8
# In[1]:
from PIL import Image
from numpy import *
from pylab import *
import numpy as np
# In[2]:
import camera
from imp import reload
#import homography
from PCV.geometry import homography
import sfm
import sift
#import sift
camera = reload(camera)
homography = reload(homography)
sfm = reload(sfm)
sift = reload(sift)
# In[3]:
# Rea