Python计算机视觉-对极几何与基础矩阵

对极几何

多视图几何利用在不同视点拍摄的图像间关系研究相机或者特征之间的关系，而在多视图几何中最重要的基础就是双视图，如果已经有了一个场景的两个视图以及视图中的对应图像点，则依据相机位置关系，相机性质和三维场景点的位置可以得到图像点的几何关系约束，即对极几何。通过对极几何，我们可以在已知两幅图像中两点是对应关系的前提下，求解两个相机的相对位置和姿态。

若两个相机的光心分别为 C 和 C^’ ，空间中的点为 X ，则有 五点共面，关系如下：

相关概念的定义：

基线：两相机光心连线；
对极点 = 基线与像平面相交点 = 光心在另一幅图像中的投影；
对极平面 = 包含基线的平面；
对极线 = 对极平面与像平面的交线

对极约束：点 x 和 x ’ 一定位于平面 π 上，而平面 π 可以利用基线 CC’ 和图像点 x 的反投影射线确定，点 x’ 又是右侧图像平面上的点，所以点 x’ 一定位于平面 π 与右侧图像平面的交线 l’ 上，直线 l’ 为点 x 的对极线，即点 x 的对应点 x’ 一定位于它的对极线上：

本质矩阵（essential matrix）：

设 X 在 C，C’ 坐标系中的相对坐标分别 p，p’，R 为相机旋转矩阵，T 为光心位移向量，K 为相机内参矩阵：

则有 p = R p’ + T ，又因 C, C^’, X 三点共面
可得 ( p - T ) ^T (