单视多视测量技术教程.ppt

* * * * * * * * * * * * * * * * * 点、线关联关系 Point – point – point 3. 三视几何 基本矩阵与三焦张量之间存在关系： 由三焦张量和外极点可得到一组投影矩阵： 基本矩阵、投影矩阵 3. 三视几何 小 结 1. 单视几何：应用于单幅图像测量 2. 两视几何：基本矩阵、外极点、空间平面与单应矩阵 3. 三视几何：三焦张量 参考文献： R. Hartley, A. Zisserman. Multiple View Geometry in Computer Vision. Cambridge University Press, 2000. * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 规一化 8 点算法：由对应点 ，求F 1) 对两幅图像分别做规一化变换 , 得到新的对应点集； 2) 有新的对应点集和8点算法估计 ； 3）基本矩阵 2. 两视几何 基本矩阵F 的估计方法 8点算法: 2. 两视几何 如果求解的基本矩阵 F 不满足约束 ，即 那么不存在向量 e 使得 Fe=0，则在图像中的对极线不交于同一点 (对极点 e )。 由于基本矩阵的秩为 2 ，因此基本矩阵仅具有7个自由度，所以已知7对匹配点便足以确定基本矩阵。 基本矩阵F 的估计方法 7点算法: 2. 两视几何 利用SVD分解的方法得到两个对应于系数矩阵A 的右零空间的基向量 和 的矩阵基 和 ，然后利用det(F)=0性质来解出F通解 中的比例因子 ，来确定所要估计的基本矩阵。 由于基本矩阵行列式为零所对应的约束是一个三次方程，因此最后所可能得到的基本矩阵的解的个数对应于上述三次方程实数解的个数，最多可以得到 3 个解。 基本矩阵F 的估计方法 7点算法: 2. 两视几何 将估计基本矩阵的问题化为数学的最优化问题，然后使用某种优化迭代算法求解. 算法如下： （1）构造基于几何意义的目标函数 （2）选取8点算法的结果作为迭代算法的初始值 （3）选取一种迭代方法（L-M方法），迭代求解最小化问题 基本矩阵F 的估计方法 基于几何误差的优化: 2. 两视几何 常用准则：(1)点到对应极线距离的平方和 (2)反投影距离 基本矩阵F 的估计方法 基于几何误差的优化: 构造基于几何意义的目标函数 2. 两视几何 m m l e e l O O’ 基本矩阵F 的估计方法 基于几何误差的优化: 准则 (1)点到对应极线距离的平方和 其中 和 是通过一定的方法进行射影重建所得到空间点的反投影图像点. 2. 两视几何 准则 (2)反投影距离 基本矩阵F 的估计方法 基于几何误差的优化: m m e e O O’ 基于准则 (2)步骤： 1. 由线性算法求出基本矩阵的初始值 ; 2. 由对应点 和基本矩阵 射影重建得到三维空间点坐标 ； 3. 由三维空间点得到新的图像点： . 2. 两视几何 基本矩阵F 的估计方法 基于几何误差的优化: 2. 两视几何 例：利用 RANSAC 思想估计直线 给定7点，找最匹配的直线，使有效点到直线的距离小于0.8个单位，找到的点集为 {1,2,3,4,5, 6}，然后用最小二乘法计算直线方程。 x 0 1 1 2 3 2 3 4 5 7 8 6 4 5 9 10 y POINT X Y 1 2 3 4 5 6 7 0 0 1 1 2 2 3 2 3 3 4 4 10 2 理想直线 基本矩阵F 的估计方法 RANSAC估计 2. 两视几何 前面所讲的所有的方法都假设没有错误匹配点(Outliers)。实际处理过程中可能会出现错误的匹配点。可以用 RANSAC 方法剔除错误的匹配点 基本思想：1. 通过迭代地随机抽取最小点集来找出能够使得所谓Inliers所占比例最高的最小点集 2.用此最小点集估计的基本矩阵和所识别出的Inliers一起进行进一步非线性优化，从而得到最终的基本矩阵估计值 基本矩阵F 的估计方法 RANSAC估计 2. 两视几何 本质矩阵 E (Essential Matrix) 由摄像机的外参数确定，与摄像机内参数无关。 本质矩阵 E O 摄像机坐标系 v 图像像素坐标系 O’ u x y m m’ 2.