第4章从射影重构恢复欧氏重构..docVIP

第四章 从射影重构恢复欧氏重构 从射影重构恢复欧氏重构是分层重构算法的重要组成部分，目前的研究成果表明，如果仅依据未标定图像序列而没有任何的附加约束，我们仅能得到射影重构。如果要求得到度量（欧氏）结果，必须给出进一步信息，如摄像机内参数等，就可以从射影重构恢复欧氏重构。而这方面的研究涉及另一个热点问题：摄像机自标定（self calibration）Kruppa方程的新方法——分步算法，先利用共轭梯度法确定Kruppa方程中的未知比例因子，然后利用所确定的比例因子线性地求解Kruppa方程，进而标定摄像机内参数。在摄像机内参数已知的情况下，提出一种从射影重构恢复欧氏重构的算法，先求解一个满足欧氏重构条件的非奇异矩阵，然后通过此矩阵将射影重构变换为欧氏重构。实验结果表明所提出的算法是行之有效的。 在本章中，我们假定摄像机在运动（运动参数未知）过程中其内参数是保持不变的。 7.1摄像机自标定 自从1992年Maybank和Faugeras[1]首次提出摄像机自标定的思想后，研究人员提出了各种各样的摄像机自标定方法[2-16]，但究其本质，大多是基于绝对二次曲线(the absolute conic)或其对偶绝对二次曲面(the absolute quadric)的方法。在基于绝对二次曲线的传统标定方法中，一般都需要借助于求解所谓的Kruppa方程来达到标定摄像机内参数的目的。在本节中，我们首先介绍传统方法中利用数学规划算法求解Kruppa方程的方法，然后提出一种分步式求解Kruppa方程的方法。 7.1.1 绝对二次曲线(面) 我们先对基于绝对二次曲线(面)进行摄像机自标定的原理进行简要的说明。绝对二次曲线(面)对摄像机自标定技术的研究至关重要，因为几乎所有的摄像机自标定算法归根结底都要用到由绝对二次曲线(面)的特性来约束摄像机内参数。 所谓绝对二次曲线是指射影空间中无穷远平面上的这样一条二次曲线，它在像平面中的像不随摄像机的位置、姿态的变化而变化。假设三维射影空间中任一点的齐次坐标为(x, y, z, t)，则绝对二次曲线的方程满足： (7.1) 从式(7.1)可以推出 (7.2) 因此我们可以看出，绝对二次曲线就是无穷远平面上由单位矩阵所表示的一条全部由虚点构成的二次曲线。当摄像机作刚体运动（R t）时，下面考虑绝对二次曲线在摄像机像平面中的像。 对任意，我们有 (7.3) 即 所以 即绝对二次曲线的像，仍为一条二次曲线，且仅与摄像机的内参数有关而与摄像机的刚体运动无关。同时，我们也可以看出，如果我们通过某种途径确定了绝对二次曲线在像平面中的像，再进行Cholesky分解，就可以标定出摄像机的内参数矩阵K。 而所谓的绝对二次曲面则是绝对二次曲线的对偶，是由所有与绝对二次曲线相切的平面所构成的退化形式的二次曲面。在欧氏空间中，绝对二次曲面可表示为： 与绝对二次曲线类似，绝对二次曲面在像平面中的像也与摄像机的刚体运动无关。利用此性质，人们也提出了多种基于绝对二次曲面的摄像机自标定方法。 7.1.2 Kruppa方程的导入 在基于绝对二次曲线的摄像机自标定算法中，最为经典的方法需要求解所谓的Kruppa方程。推导Kruppa方程的方法有很多，我们将分别通过几何途径以及纯代数途径给出相应的推导方法。 在几何上，空间二次曲线在两幅图像中的极几何关系刻划了Kruppa方程。如图7-1所示，与空间二次曲线相切的极面(过两个光心的空间平面)在像平面中的像，即极线，同样与该二次曲线在像平面中的像相切。上述性质同样适用于绝对二次曲面，表示成代数形式即为： (7.4) 图7-1 绝对二次曲线的极几何关系 方程（7.4）便是所谓的Kruppa方程的矩阵形式，其中是绝对二次曲线的像的对偶, 是未知的比例因子，和是两幅图像间的基本矩阵以及第二幅图像中的极点。矩阵则是对应于向量以如下形式定义的反对称矩阵： 从代数上，我们也可以推导出Kruppa方程。在相差一个非零常数因子情况下，两幅图像之间的基本矩阵可以写为： (7.5) 其中表示由向量定义的反对称矩阵，即 由，则可推出： 以及 另外，由于第二幅图像上的极点，所以两幅图像间的基本矩阵F为： (7.6) 因此，给定基本矩阵F，令为的一个非零解，则存在一个非零常数因子，使得有以下严格意义的等式成立： (7.7) 由式(7.7)可以分别得出 , 将上两式左右分别相乘，可得： 由于，其