1、基础矩阵原理简述
当我们分析双视图几何关系时,总是可以将照相机间的相对位置关系用单应性矩阵加以简化。这里的单应性矩阵通常只做刚体变换,即只通过单应性矩阵变换了坐标系。将原点和坐标轴第一个照相机对齐,则:
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。通过这些找到点X的投影点x1,x2(分别对应于投影矩阵P1,P2),这样我们就可以从寻找对应的图像触发,恢复照相机参数矩阵。
投影点满足:
基础矩阵F满足:
矩阵St为反对称矩阵
基础矩阵F描述了两张图像中任意对应点的约束关系,即可通过一个像面上的一点像素坐标p,则可以求得在另一个像面上的对应点像素坐标p‘。
2代码和结果
实验对象分为室内图像对和室外图像对
代码:
from PIL import Image
from numpy import *
from pylab import *
from PCV.geometry import homography, camera, sfm
from PCV.localdescriptors import sift
from imp import reload
camera = reload(camera)
homography = reload(homography)
sfm = reload(sfm)
sift = reload(sift)
im1 = array(Image.open('data/55.jpg'))
sift.process_image('data/55.jpg', 'im1.sift')
im2 = array(Image.open('data/56.jpg'))
sift.process_image('data/56.jpg'