Epipolar Geometry（对极几何）介绍
Epipolar Geometry（对极几何）是三维重建的数学基础，用于描述三位场景投影到两张图片上的点之间存在的几何关系。https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206000640876-641826613.jpg
如图所示，O1,O2分别表示相机的中心点，P表示三维场景中的顶点，p和p'表示顶点P点投影到两个相机平面的像素点，e和e'则表示O1和O2连线与相机平面的交点。O1，O2，P三个点确定的平面叫Epipolar plane(极平面)，O1，O2的连线叫Baseline(基线)，Baseline与相机平面的交点叫做epipole(极点)，在图中为e和e',pe和p'e'叫做Epipolar line（极线），这些术语经常在不同的paper里出现，应该熟悉。虽然我们不知道P点的具体位置，但是P点在两个相机平面的投影需要满足一定的约束条件，即与p点对应的p'点应该在p'e'这条直线上，这就减少了搜索的范围。
一.Homography matrix(单应性矩阵)
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206000709255-873831470.jpg
Homography matrix表示两个平面上的点之间的变换，下面举几个例子：
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206000740166-438738387.jpg
需要注意到这两个平面的坐标系的选择，是二维平面坐标系而不是三维坐标系统。
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206000807092-191013556.jpg这个一般用在camera calibratiion，在一个平面上放置棋盘样的平面投影到相机平面进行相机校准。
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206000834042-751859563.jpg
简单旋转相机得到的两幅图像之间的关系，
Homography matrix的用处：
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206000906899-423435197.jpg
在增强现实中，使用带标记点的共面的点来估算相机的位置进而进行虚实的混合。看图片应该是用的OGRE3D引擎。
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206000936718-1633114789.jpg
透视投影效果的去除和矫正。
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206001003660-1249867621.jpg
全景图片的缝合。
二.Essential matrix(本质矩阵)。
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206001026857-1067704822.jpg
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206001053907-1382548448.jpg
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206001135911-2117113958.jpg
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206001211466-755906042.jpg
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206001234809-1821917342.jpg
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206001301896-1563842587.jpg
以上是Essential matrix的推导过程及性质，需要注意的是这里的p,p'为齐次坐标下的点，而不是像素坐标。Canonical camera指的是相机的intrinsic参数已知。
三.Fundamental matrix(基础矩阵).
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206001331143-581123384.jpg
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206001402531-1940447926.jpg
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206001501880-1436045556.jpg
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206001535794-321252880.jpg
以上是Fundamental matrix的推导过程及性质。
四.Fundamental matrix和Essential matrix的关系
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206001558954-1060018910.jpg
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206001623193-130880856.jpg
需要说明的是，这里的世界坐标系的原点定义在右边相机的位置。
五.Eight-point Algorithm(八点算法).
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206001646311-493193358.jpg
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206001712012-2128190586.jpg
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206001737229-1361726135.jpg
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206001805394-760874845.jpg
https://img2024.cnblogs.com/blog/3730441/202512/3730441-20251206001835461-1614006512.jpg
八点算法用于估算Fundamental matrix，估算Fundamental matrix还有一个七点算法，感兴趣的可以在网上搜索一下，在此不再骜述。需要特别说明的是八点算法和七点算法都是用于non-calibrated camera,求解calibrated camera还有一个专门的五点算法，不过最近的研究发现，五个点也可以估算Fundamental matrix，具体请参阅CVPR2018的论文Five-point Fundamental Matrix Estimation for Uncalibrated Cameras
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！ 谢谢分享，辛苦了
页:
[1]