计算计视觉多视图几何、基本矩阵

本文详细介绍了计算机视觉中的单视几何、两视几何,特别是基本矩阵的概念及其在两视几何中的作用。通过基本矩阵,可以描述两幅图像之间的三维投影变换关系,用于图像匹配和三维重建。文中还提到了8点算法和RANSAC算法在求解基本矩阵中的应用,并展示了实际计算结果和匹配效果。
摘要由CSDN通过智能技术生成

一、单视几何:

对极几何基本概念:
**核点:**基线(baseline)与成像平面的交点。同时极点也可以理解为相邻影像成像中心在本影像上的像,因为基线是两个相邻影像成像中心的连线。
**核平面:**含有基线的平面,是一簇平面。可以看做是由基线与空间中任意一点构成的平面。
**核线:**核平面与成像平面的交线。可以看做是成像平面上的任意一(非核点)与核点所定义的直线。
在这里插入图片描述
单视几何的目标是从单幅图像中恢复场景的全部或部分三维信息,运用摄影几何理论,探索利用单幅图像实现场景测量所需的图像信息以及场景信息,从而实现对场景中距离、面积、体积等的测量。

用两幅或多幅图像对场景进行重建以后进行测量的方法以及摄影测量学的方法有很大的局限性,目前,国内外在此方面还没有系统的研究。

二、两视几何:

**外极几何:**外极几何是研究两幅图像之间存在的几何,它和场景结构无关,只依赖y于摄像机的内外参数,研究这种几何可以用在图像匹配、三维重建方面。包含的基本概念如下:

**基线:**连接两个摄像机光心O的直线。
**外极点:**基线与像平面的交心。
**外极平面:**过基线的平面。
**外极线:**对极平面与图像平面的交线。
**基本矩阵F:**对应点之间的约束。
本质上两幅图之间的对极几何是图像平面与以基线为轴的平面束的交的几何,这种几何被广泛同于双目成像原理中
如下图所示,摄像机由相机中心C,C’以及各自的成像平面表示,对于任意一个空间中的点X,在两个像平面上的点分别为x,x’,第一幅图像上的点x反向投影成空间三维的一条射线,它由摄像机中心和x确定,这条射线向第二个图像平面上投影得到一条直线l’,显然x的投影x’必然在l’上

如下图所示,我们把相机中心的连线叫做基线,基线与两幅图像平面交于对极点e和e’,任何一条包含基线的平面pi是一张对极平面,分别与图像平面相交于l和l’,实际上,当三维位置X变化时,对应的实际上是该对极平面绕基线”旋转”,这个旋转得到的平面簇叫做对极平面束,由所有对极平面和成像平面相交得到的对极限相交于对极点。

三、基本矩阵F:

基本矩阵是从本质矩阵推导出来的,描述的是两个相机视点之间的三维投影变换关系,是对极约束的一种代数表示。常用F表示的一个3x3矩阵,该矩阵的秩为0。经典的8点算法就可以比较准确地计算出该关系。
单应矩阵一般描述的是两个平面之间的二维投影变换关系。常用H表示,一般也是3x3的矩阵。最少情况下用平面上的4个点对应就以求出该矩阵,上述基本矩阵和单应矩阵的求解对应点越多越好,以避免出现退化情况。
基本矩阵可以看做是将点投影(转换)为直线,将左影像上的一个点投影到右影像上形成一条核线。基本矩阵是表示两个三维空间对应点集之间的变换关系,单应矩阵一般是表示两个二维空间对应点集之间的变换关系,给出由一个平面引入的单应矩阵H可以计算出基本矩阵F=[e’]xH。另外,一般情况下,三维空间中也有单应矩阵,它也用H表示,却是个4x4的矩阵。
几何推导基本矩阵:

*图像点x是空间点X在图像1中的投影点,那么,有
x=H1X⇒(1)
*同理,图像点x’是空间点X在图像1中的投影点,那么,有
x′=H2X⇒(2)
*根据式(1)可以得到
X=H1^-1x⇒(3)

  • 将式(3)代入式(2)得到

    *图像点x对应的基线l’是通过点x’和点e’的直线,那么,有

    其中的××为叉乘
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值