本文深入探讨了对极几何的概念，解释了外极线、外极点的基本原理，并详细介绍了如何通过八点法求解基础矩阵。通过对不同场景的实验分析，展示了基础矩阵在匹配图像点、绘制极点极线等方面的应用，揭示了其在计算机视觉中的重要性。
一、对极几何
1、概念
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。
对极几何描述的是两幅视图之间的内在射影关系，与外部场景无关，只依赖于摄像机内参数和这两幅试图之间的的相对位置。
对极几何是对于两幅图像而言的，是两幅图像之间的对极几何，它是图像平面与以基线为轴的平面束的交的几何（这里的基线是指连接摄像机中心的直线）。
如下图：对极几何描述的是左右两幅图像(点x和x’对应的图像)与以CC’为轴的平面束的交的几何。
直线CC’为基线，以该基线为轴存在一个平面束，该平面束与两幅图像平面相交，但是可以看出该平面束中不同平面与两幅图像相交于不同直线。灰色平面只是其中的一个平面。
2、外极线、外极点
在这两个视图中，分别将三维点 X 投影为 x1 和 x2。两个照相机中 心之间的基线 C1 和 C2 与图像平面相交于外极点 e1 和 e2。线 I1 和 I2 称为外极线。
对极点：摄像机的基线与每幅图像的交点,即上图中的点 e 1 e1 e1和 e 2 e2 e2。
对极平面：包含基线的平面。
对极线：对极平面与图像的交线,即上图中的直线 I 1 I 1 I1I1 I1I1和 I 2 I 2 I2I2 I2I2.
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。
同一个图像点经过不同的投影矩阵产生的不同投影点必须满足：
X 2 T F X 1 = 0 X_{2}^TFX1=0 X2TFX1=0
其中：
F = K 2 − T S t R K 1 − 1 F=K_{2}^{-T}StRK_{1}^{-1} F=K2−TStRK1−1
矩阵 S t St St 为反对称矩阵,矩阵 F F F为基础矩阵。
基础矩阵可以由两照相机的参数矩阵（相对旋转 R 和平移 t）表示。由于 d e t ( F ) det(F) det(F)=0，所以基础矩阵的秩小于等于 2。 我们将在估计F的算法中用到这些性质。
外极线：利用公式 X 2 T F X 1 = 0 X_{2}^TFX1=0 X2TFX1=0可以找到 I 1 T X 1 = 0 I_{1}^TX1=0 I
最低0.47元/天 解锁文章
5549
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
