基础矩阵的估计-通过匹配的像点对计算两幅图像的基础矩阵---计算照相机矩阵（附GitHub代码）

基础矩阵的估计原理详述

通过匹配点对估算基础矩阵

对极几何：基础矩阵是对极几何的代数表达方式。

基础矩阵表示的是图像像点p1到另一幅图像对极线l2的映射，有如下公式：$$l_2=F{p}_1$$
而和像点P1匹配的另一个像点p2必定在对极线l2上，所以就有：
$$p_2^T{l}_2=p_2^{T}F{p}_1=0$$
这样仅通过匹配的点对，就可以计算出两视图的基础矩阵$F$。
基础矩阵F是一个3×3的矩阵，有9个未知元素。然而，上面的公式中使用的齐次坐标，齐次坐标在相差一个常数因子下是相等，F也就只有8个未知元素，也就是说，只需要8对匹配的点对就可以求解出两视图的基础矩阵$F$。
下面介绍8点法计算基础矩阵的过程。
假设一对匹配的像点$p_1=[u_1,v_1,1{]}^T,p_2=[u_2,v_2,1{]}^T$ ,带入式子中，得到：$$[u_1,v_1,1]\left[\begin{array}{ccc}{f}_1& f_2& f_3\\ f_4& f_5& f_6\\ f_7& f_8& f_9\end{array}\right]\left[\begin{array}{c}{u}_2\\ v_2\\ 1\end{array}\right]=0$$
把基础矩阵F的各个元素当作一个向量处理$$f=[f_1,f_2,f_3,f_4,f_5,f_6,f_7,f_8,f_9]$$
那么上面式子可以写为   [ u 1 u 2 , u 1 v 2 , u 1