2D-2D:对极几何估计姿态

95 阅读 0 评论 63 点赞

我是靠谱客的博主潇洒美女，最近开发中收集的这篇文章主要介绍2D-2D:对极几何估计姿态，觉得挺不错的，现在分享给大家，希望可以做个参考。

从2张图片中,得到若干个配对好的2d特征点,就可以运用对极几何来恢复出两帧之间的运动.

设P的空间坐标为: (P=[X,Y,Z]^{T})
两个像素点(p_{1},p_{2})的像素坐标为: (s_{1}p_{1}=KP, s_{2}p_{2}=K(RP+t))
K为相机内参,R,t为图像1到图像2的旋转矩阵和平移矩阵.

取(x_{1}=k^{-1}p_{1}, x_{2}=k^{-1}p_{2}) (x1,x2是两个像素坐标在归一化平面上的坐标)
(x_{2}=Rx_{1}+t),两侧同时左乘(x^{T}_{2})t^{^}
(x^{T}_{2})t^{^}(x_{2})=(x^{T}_{2})t^{^}(Rx_{1}),等式左边为0
(x^{T}_{2})t^{^}(Rx_{1}=0)
带入(p_{1},p_{2})得(p_{2}^{T}K^{-T})t^{^}(RK^{-1}p_{1} = 0)
取基础矩阵(F=K^{-T}EK^{-1}),取本质矩阵(E=)t^{^}(R)
(x_{2}^{T}Ex_{1} = p_{2}^{T}Fp_{1} = 0)

相机姿态估计问题变成以下两步:

根据本质矩阵(E=)t^{^}(R)定义,这是一个3*3的矩阵,经典是使用8点法来求解.
考虑一堆匹配点,它们的归一化坐标为:(x_{1}=[u_{1},v_{1},1]^{T},x_{2}=[u_{2},v_{2},1]^{T}),根据对极约束,有:

以上就是潇洒美女为你收集整理的2D-2D:对极几何估计姿态的全部内容，希望文章能够帮你解决2D-2D:对极几何估计姿态所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。