D感知与目标位姿计算.pptVIP

* 1）由于视点原因，一些特征在一幅图像中出现，但在另一幅图像中可能被遮挡住。有的特征可能检测不到或者丢失了，而有的无关特征却能被检测到。所以我们不能期望图符匹配过程能够得到完美的一致性标记。 * 如果已知摄像机的相对方向，则可大大简化立体匹配过程。对于一幅图像上的已知点，在另一幅图像中寻找他的对应点，前面介绍的方法都是要进行二维空间搜索。如果我们知道了摄像机相对的方向，就可以利用图像对的外极线结合约束使的搜索在一维空间上完成。 我们给出的图就是简单情况下的外极线几何情况。 虽然这个标准结构使几何处理变得很简单，但把摄像机这样布置有时是不行的，而且这个结构产生的视差不大，所以不能很好的求出精确的深度信息。一般的立体视觉结构中，摄像机具有随意的位置和姿态，二者要能够观察到目标的主要部分才可以。我们看下一般情况下外极线集合约束是什么样的。 * 在图像I1中，已知外极线e1上的点P1和摄像机相对位姿（将在后面章节介绍），就可以找到图像I2中对应的外极线e2，在e2上必然存在对应点p2，如果在图像I1中，另一个点P1‘位于与P1不同的外极面上，那么他们也将位于不同的外极线上。 立体图像对的外极点(epipole)就是所有外极线的交点.E1是图像I1的外极点，而E2是图像I2的外极点。 * 这个约束比外极线约束更有意义，因为在进行匹配时，我们不并知道两个图像点对应的3D点是否位于相同的