计算机视觉基础——对极几何(Epipolar Geometry)
先思考一个问题:用两个相机在不同的位置拍摄同一物体,如果两张照片中的景物有重叠的部分,我们有理由相信,这两张照片之间存在一定的对应关系,本节的任务就是如何描述它们之间的对应关系,描述工具是对极几何 ,它是研究立体视觉的重要数学方法。
要寻找两幅图像之间的对应关系,最直接的方法就是逐点匹配,如果加以一定的约束条件对极约束(epipolar constraint),搜索的范围可以大大减小。
先回顾简单的立体成像系统
对极约束的图示
更一般的立体成像关系:两个相机的坐标无任何约束关系,相机的内部参数可能不同,甚至是未知的。要刻画这种情况下的两幅图像之间的对应关系,需要引入两个重要的概念——对极矩阵(Epipolar Matrix)和基本矩阵(Fundamental Matrix)。
对极几何中的重要概念(参考下图):
极点:极点elel:右相机坐标原点在左像平面上的像;极点erer:左相机坐标原点在右像平面上的像
极平面:由两个相机坐标原点OlOl、OrOr和物点P组成的平面
级线:极平面与两个像平面的交线,即plelplel和prerprer
级线约束:两极线上点的对应关系
有点烦人,先转移一下话题:What would Pinhead’s eye look like close up?
如果两个人同时看这一景物,将是什么样的呢?
再回到对极几何图上来,通过上面几幅图示,利用对极几何的约束关系,我们可以:
1. 找到物点P在左像平面上的像点plpl;
2. 画出极线plelplel;
3. 找到极平面OlplelOlplel与右像平面的交线,即得极线prerprer;
4. 像点plpl的对应点一定在极一prerprer上。
两个相机坐标系之间的关系为
由于R是正交矩阵,因此可写为
三向量共面,它们的混合积为零(混合积对应于有向体积)
将向量乘(叉乘)写成矩阵的形式
通过进一步的改写,可以得到左像点和右像点之间约束关系(非常简单、漂亮)
显然,左像点plpl和右像点prpr是通过矩阵E=RSE=RS来约束的,我们称矩阵EE为本质矩阵(Essential Matrix),它的基本性质有:
• has rank 2(秩为2)
• depends only on the EXTRINSIC Parameters (R & T)(仅依赖于外部参数R和T)
转载自:https://www.cnblogs.com/gemstone/archive/2011/12/20/2294551.html
计算机视觉基础——对极几何(Epipolar Geometry)相关推荐
- 视觉SLAM14讲笔记04:ch7对极几何(epipolar geometry)
2D-2D:对极几何(epipolar geometry) 对极约束 现在,假设我们从两张图像中,得到了一对配对好的特征点,像图7-7里显示的那样.如果我们有若干对这样的匹配点,就可以通过这些二维图像 ...
- Python+OpenCV:对极几何(Epipolar Geometry)
Python+OpenCV:对极几何(Epipolar Geometry) 理论 When we take an image using pin-hole camera, we loose an im ...
- 极线几何[Epipolar Geometry]
前段时间看过一篇文章Image-Based Visual Hulls[Matusik,siggraph2000],其中关于Epipolar Geometry(可以翻译为极线几何,也有人叫对极几何)的部 ...
- [OpenCV实战]49 对极几何与立体视觉初探
本文主要介绍对极几何(Epipolar Geometry)与立体视觉(Stereo Vision)的相关知识.对极几何简单点来说,其目的就是描述是两幅视图之间的内部对应关系,用来对立体视觉进行建模,实 ...
- Planar Homography (共面点成像) Epipolar Geometry(对极几何)
转载:http://blog.csdn.NET/yvonnezju/article/details/40982192 这一篇,要搞清楚两个概念,Planar Homography (共面点成像)&am ...
- 3D重构基础四--Planar Homography Epipolar Geometry
上一篇,只要主要搞清楚透视的坐标变换. 这一篇,要搞清楚两个概念,Planar Homography (共面点成像)& Epipolar Geometry(对极几何) Now,Start! 先 ...
- 三维重建(一)外极几何,基础矩阵及求解
最近在看三维重建的东西,把看到的东西总结一下. 一.外极几何 已知两个摄像头的光心 O O和O′O', P P为空间中的一点,pp和 p′ p'是点 P P在两个摄像头成的像中的投影. 平面OO′PO ...
- 极几何,本质矩阵,基础矩阵,单应矩阵,相机投影矩阵
什么是三角化? 三角化就是下图的红字部分:K和K'分别为两个相机的内参矩阵 什么是极几何? 极几何描述了同一场景或者物体在两个视点图像间的对应关系. 下图中的O1和O2分别是两个相机的光心,即摄像机坐 ...
- 对极几何-三角测量-知识点
单目SLAM 对极约束 所谓极线约束就是说同一个点在两幅图像上的映射,已知左图映射点 p 1 \boldsymbol{p}_1 p1 ,那么右图映射点 p 2 \boldsymbol{p}_2 p2 ...
最新文章
- UVa1587 Box(排序)
- 十分钟学习nginx
- Linux chmod命令小贴士
- Kuangyeye and hamburgers
- blackarch 安装美化等
- -9 逆序输出一个整数的各位数字_逆序对个数(归并排序)
- 用注解给映射视图的类创建联合主键
- [Python] jieba库?结巴库?
- java javaw 命令区别_java 和javaw 的区别
- 钽电容的命名,贴片电解电容耐压,封装
- 怎么做有内容的二维码?二维码在线制作教程
- 08系统装iss_安全信息系统| ISS | 第1部分
- 轻量化后台管理HTML设计页面
- python字符串序号体系_Python数据类型(二)字符串类型
- 基于PHP的学生管理系统设计与实现
- 自己动手编译交叉编译链
- 七夕祸害情侣终极宝典
- 解决AAPT: error: resource drawable/ (aka xxx) not found
- WinExec(exePath,sw_XX) 调用外部程序详解
- 短视频火热态势下,抖音短视频源码受到持续关注
热门文章
- Nginx提供静态内容
- 容器编排技术 -- 使用Minikube 部署 Kubernetes 集群
- 回调、匿名函数、闭包
- java异常处理简介_【自学java】异常处理简介
- “1251 – Client does not support authentication protocol requested by server;consider upgrading MySQL
- angular 模块构建_如何通过11个简单的步骤从头开始构建Angular 8应用
- 订单状态 css_CSS状态2019
- gettext 国际化_如何使用Gettext在Phoenix应用程序中执行本地化
- pygame做的著名游戏_用Python和Pygame写游戏-从入门到放弃(1)
- django和scrapy创建项目命令