16.对极几何——极线约束，收敛相机，平行图像平面，两个立体对 测验_2
目录
极线约束
收敛相机
平行图像平面
两个立体对 测验
结论
极线约束
那么，为什么极线约束（epipolar constraint）有用呢？ 好吧，我们已经说过，基本上，极线约束将对应问题减少到沿着极线的一维搜索。 在这个特殊的情况下，我们有平行的极线，我们会在一分钟内看到，但左边的红点位于这个美丽的小教堂的窗口（如左图）或其他任何东西。 位于某处，在右边的这条极线上（右边图），位于某处，在右边的这条极线上，所以我搜索窗口的中间，我不需要看整个图像，我只是沿着相应的极线看。
那么极线看起来是什么样的，我们会考虑两种情况。 以下有一般情况，我们有倾斜的摄像机，然后是这个特殊情况我们有平行的光轴。
收敛相机
在这里的边缘情况下，您可以通过考虑几个不同的点来看看极线。所以请记住，每个点都定义了一对极线，在这里它们被绘制出来（如图1）。这是两个垂直相机的极线的例子（如图2）。这意味着，例如，这一点（如图3），因为它在这里，这恰好是在这一行上（如图4），必须在那条线上的某个地方（如图5），事实上，它就是这里（如图6），okay，这一点在这里（如图7）。
1 2
3 4
5 6
6
现在，这里只画了几行，当然，如果我在这里寻找这一点（如图1），那里有一些极线（如图2），因为这里有一些点定义了一个极线平面，另一边会有相应的极线（如图3），我们只画了几个。
1 2
3
所以，这里有个问题给你。我们说所有的极线都汇集在极点上，那么是极点在哪里？Well，让我们来看看右边的这张图片吧。问题是，这张图片在这里结束了（如图1）。如果这个图像是巨大的，这条线然后这条线和这条线，这里是它们相交的地方（如图2），okay？所以问题是，图像，如果你愿意，是一种裁剪，图像传感器太小，实际上找不到极点。 极点是一个数学结构，它是基线与包含图像平面的无限平面的交点。所以这就是为什么，极点线看起来会收敛，但是他们会在屏幕上做到这一点。
1
2
平行图像平面
现在让我们考虑一下我们有平行图像平面的情况。 在图片中有点难以看到，但我的想法是我有两个图像平面（如图1）。 我的投影中心有点像这里（如图2）。 任何一点都定义了一个平面与这些像平面相交（如图3）。 它有点像，它实际上是一束平面。 这些平面围绕该基线旋转（如图4）。 但我们有平行的图像平面。
1 2
3 4
极线的外观是什么样的？ 好吧，他们看起来像这样（如图1）。 在这种特殊情况下，由于它们如何移动，它们就是这些水平线。 并且可以看到，对于位于该教堂的相应三个点，它们着陆。 是四个点，对不起。 他们降落在这些极线上的某个地方。
1
因此，如果极线都应该在极点处相交。 在这里，我们有这些水平极线。 极点在哪里？（如图1）
well，有人曾经在某个形而上学的空间向某个地方解释过，有时会涉及到各种各样的幻觉剂，强大的线条与无限相交。 okay，基本上他的极点在无穷远处。 如果你不确定去喜马拉雅山，问一个在高山上的人或者随便什么地方的人。 我不知道我是否可以这么说。 只要问他们平行线。 而这个想法是这里的平行线基本上是无限的。 考虑到这一点的一种方式是，当两个平面越来越接近平行时，两极就会越来越远。 因此，当你采取限制时，当他们实际上变得平行时，那么极点的位置是无限的。
两个立体对 测验
这给我们带来了一个测验。 让我们考虑这两个立体对。 我们有上面这个（如图），你们知道摄像机是垂直的，因为这些线相交。 但是最下面的一个，我要告诉你的是一对图像，一对具有共面图像平面的立体对。
问题是你怎么知道图像B有一个平行的图像平面？ 我会给你三个选择。
A，极线是水平的。
B，极线是平行的。
C，因为我刚才说过，B有平行的图像平面。
嗯，你可能会想，我会回到这里（如图），因为它们是水平的，我们知道它们是平行的图像平面。 但实际上，但实际上，平行像平面意味着这条线，极线都是平行的。 它们是水平的唯一原因是因为我恰好用这种方式拿着相机，这对相机，它们之间的基线相对于图像的垂直方向是水平的。 right？ 所以基本上如果我按照这种方式举行或旋转我的一个摄像机，我仍然会有平行的极线，因为极线是由摄像机中心和点的几何定义的。 这就是平面，它们必须在平面上。但是我可以上下移动它们，我可以旋转它们。 那将旋转或我的平行线，它会旋转或者平行线，所以不是水平的极线告诉你共面，而是它们是平行的。
结论
这就结束了关于对极几何的内容。下篇内容，我们要假设我们知道极线。事实上，我们讨论的大部分内容都是用水平的，平行的，排列的极线。然后我们来解对应的问题。
代码是最为耐心、最能忍耐和最令人愉快的伙伴，在任何艰难困苦的时刻，它都不会抛弃你。
16.对极几何——极线约束，收敛相机，平行图像平面，两个立体对 测验_2相关推荐
- 16.对极几何——介绍，立体视觉约束，条件_1
目录 介绍 立体视觉约束 条件 介绍 欢迎回到Computer Vision.这将成为关于立体系列的第二部.特别是,我们将专注于所谓的对极几何(epipolar geometry).我们上次说如果我们 ...
- 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 ...
- 视觉SLAM⑦---视觉里程计Ⅰ(特征点法、2D-2D对极几何)
目录 7.0 本章主要目标 7.1 特征点法 7.1.1 特征点 7.1.2 ORB特征 7.1.3 特征匹配 7.2 实践:特征提取和匹配 7.2.1 OpenCV的ORB特征 7.2.2 手写OR ...
- 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 ...
- 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 , ...
- 立体视觉中的对极几何——如何更好更快地寻找对应点
立体视觉中的对极几何--如何更好更快地寻找对应点 2019.10.21 FesianXu 文章目录 @[toc] 前言 什么是立体视觉 对极几何 对极约束 本征矩阵 去掉归一化坐标系的限制,引入基础矩 ...
- 《计算机双目立体视觉》学习笔记：对极几何
由双目立体视觉系统获得的来自同一场景的两幅图像之间存在着一定的约束关系,也就是说,当我们用两个相机在不同的位置拍摄同一个场景或者物体时,如果两张照片中的景物有重叠的部分,那么这两张照片之间就存在一定的 ...
- 3月9日 笔记：RANSAC随机样本一致性,灭点、对极几何计算、H矩阵、PNP估计相机位置，3D匹配、投影变换、N点定位求解姿态
[修订]: 2020-03-11:特征匹配 分为:(1)2D-2D : (2)2D-3D : (3)3D-3D https://www.zhihu.com/question/51510464 2D-2 ...
- 极线约束(epipolar constraint)
原文地址:http://blog.csdn.net/volkswageos/article/details/6474202 http://blog.csdn.net/tianwaifeimao/art ...
最新文章
- android教育平板,调查称iPad在教育领域占优势 Android平板为零
- word如何设置标题编号
- python实现流媒体传输_基于OpenCV的网络实时视频流传输的实现
- 仿苹果手机闹钟_原来iPhone自带的闹钟这么好用，以前没发现，现在一直在用
- SAP中负号前置的函数：CLOI_PUT_SIGN_IN_FRONT
- 文本分析：吉利不裁员不降薪背后的真相是什么
- springboot13 发布和监听事件
- 巴巴运动网学习笔记(36-40)
- 我们为什么推荐在Json中使用string表示Number属性值
- 搜索时展示的是名字，传给后端的是id
- 深入分析Flex [Bindable] (总结)
- Centos出现-bash: unzip: command not found的解决办法
- SQL Server 数据库维护脚本合集[007]-删除数据库所有用户表数据
- iOS开发中静态库制作 之.a静态库制作及使用篇
- 阿里巴巴数据中台实践分享
- 提取数据_R提取全球气象数据
- HashMap，TreeMap，LinkedHashMap学习
- 微波雷达传感器模块，人体感应雷达应用，让智能家居更安全
- adams c语言,adams2013编译c语言用户子程序生成dll超详细教程讲解.docx
- 卡内基梅隆大学计算机研究生水平,卡内基梅隆大学计算机研究生