基础矩阵的推导需要知道基础数学知识:计算机视觉基础知识——基础矩阵基础知识。
对极几何
如下图所示,Cl和Lr分别是左摄像头和右摄像头的中心点。空间点P在左摄像机Cl的像平面上的投影点是x1,在右摄像机Cr的相平面上的投影点是xr。可以看到,P-Cl线上的所有点都投影在左相机上的点xl上,右相机上的所有投影点都在xr-er线上,这就是所谓的核线。同样,xl-el也是核线。
由于磷氯铬形成的平面成为相反的极面。
Cl-Cr和像平面的交点称为对映体。
如下图所示,Pl和Pr是从摄像机中心到空间点P的两个三维向量,T是两个摄像机之间的平移向量。所以有: PR=PL-T。
本征矩阵(essential matrix)
从平面几何约束[T和Pl的叉积的向量方向垂直于(Pl-T)向量],可以得到:
和:
最后可以推导出:
你可以从上一节的基础知识中得到:
E=RS称为本质矩阵。
基础矩阵(fundamental matrix)
特征矩阵是三维坐标层面的关系表达式,没有考虑相机内部参考。接下来,我们将讨论像平面的两个元素之间的对应关系。首先介绍了摄像机成像模型,其中Ml和Mr是摄像机的内部参考矩阵。
把它带入特征矩阵。
00-1010特征矩阵e:本质矩阵,包含左右摄像机在空间的旋转R和平移信息T,描述左右摄像机之间的姿态关系;但不包括相机本身的任何信息;
基本矩阵F:基本矩阵,既包含左右摄像头的位姿关系,也包含摄像头的内部参数;连接左右像素坐标系。