文章点评CV1-极线约束与极线矫正(文献阅读)

参考文献:A compact algorithm for rectification of stereo pairs

0.基本概念

  • 极线(epipolar line)
  • 投影几何(perspective projections)
2019-05-15 17-28-09屏幕截图.png

1. 小孔成像模型

主要涉及三个坐标系:世界坐标系(word coordinates),相机坐标系(camera coordinate),图像坐标系(image plane coordinate)。世界坐标系中的点,通过转换矩阵\tilde{P}转换到图像坐标系。
\tilde{\bf{m}} \cong \tilde{\bf{P}}\tilde{\bf{w}}. 相似等号(参照三角形相似)
级线矫正的关键就是这个\tilde{\bf{P}},不满足我们的要求,所以就是分析这个变换就十分重要。

1.1 分析变换矩阵\tilde{\bf{P}}

  • 变换角度分析
    \tilde{\bf{P}}是两步转换的综合:坐标系的旋转平移,投影变换。
    \tilde{\bf{P}} =\bf{A} [\bf{R}|\bf{t}]. 注意:通过QR分解,由\tilde{\bf{P}}推导出旋转平移[\bf{R}|\bf{t}],投影变换\bf{A}.

  • 几何表达角度分析(作者需要固定光心点\bf{c}
    \tilde{\bf{P}} = [\bf{Q}|\tilde{\bf{q}}] 分成两块了来看
    \tilde{\bf{m}} \cong \tilde{\bf{P}}\tilde{\bf{w}}= [\bf{Q}|\tilde{\bf{q}}][\frac{\bf{w}}{1}]. 把光心带入该式子
    {\bf{0}} \cong \bf{Q} \bf{c}+\tilde{\bf{q}} 个人对此式子还有一定疑问
    所以,\tilde{\bf{P}} = [\bf{Q}|-\bf{Q} \bf{c}]

  • 一对多的关系,图像点与世界坐标系
    \lambda{\tilde{\bf{m}}} = \bf{Q} \bf{w}-\bf{Qc} # 相似等号,换成了绝对的等号
    \bf{w}=\bf{c}+\lambda\bf{Q}^{-1}\tilde{\bf{m}} # 给定任意图像点\tilde{\bf{m}},对应一系列的空间点\bf{w}

2019-05-15 18-01-55屏幕截图.png

1.2 理想的变换矩阵

  • 两个相机矫正后,相同的投影变换\bf{A},(作者说这个可以随便选,很不错的性能)。
  • 两个相机矫正后,相同的旋转由\bf{R},(有要求,主要是X坐标轴与光心连线平行)
  • 两个相机矫正后,不同的平移\bf{t},作者约定光心与矫正前光心位置重合,(你也可以调整光心位置,相当切换了视角,会引起其他问题)

2.极线矫正

  • 找到一个变换\bf{T},将old原始图像坐标\tilde{\bf{m}}_o,转到new新的图像坐标哦系\tilde{\bf{m}}_n下。
    \tilde{\bf{m}}_n\cong\bf{T}\tilde{\bf{m}}_o
    \bf{Q}_n\bf{w}-\bf{Q}_n\bf{c} \cong\bf{T}(\bf{Q}_o\bf{w}-\bf{Q}_o\bf{c} )
    \bf{T}\cong\bf{Q}_n{\bf{Q}_o}^{-1} #好了,只要有\bf{Q}_o(标定给出的)和\bf{Q}_n(人为设定的)就可以进行极线矫正了,找到了\bf{T}

2.1 人为设定\bf{Q}_n

  • 投影变换\bf{A}_n=\bf{A}_{o1}+\bf{A}_{o2}。 # 任意设置嘛,取原来图像的平均值感觉比较好。
  • 旋转\bf{R}_n,主要依据光心来构建的直角坐标系,参看原文。
  • 平移\bf{t},感觉有点问题,对吧!且看作者是如何做的
    \tilde{\bf{P}} = [\bf{Q}|-\bf{Qc}]=A[R|t],立马推出 \bf t=-Rc
    所以其实平移\bf{t}并没有用,因为\bf{T}只和\bf{Q}有关系,\bf{Q}_n=\bf A_nR_n

2.2 Matlab代码

作者是提供了代码的(快20年过去了,论文中给的网址失效了),我们都很喜欢他!!!

function [T1,T2,Pn1,Pn2] = rectify(Po1,Po2)
% RECTIFY: compute rectification matrices
% factorize old PPMs
[A1,R1,t1] = art(Po1);
[A2,R2,t2] = art(Po2);
% optical centers (unchanged)
c1 = - inv(Po1(:,1:3))*Po1(:,4);
c2 = - inv(Po2(:,1:3))*Po2(:,4);
% new x axis (= direction of the baseline)
v1 = (c1-c2);
% new y axes (orthogonal to new x and old z)
v2 = cross(R1(3,:)’,v1);
% new z axes (orthogonal to baseline and y)
v3 = cross(v1,v2);
% new extrinsic parameters
R = [v1’/norm(v1)
     v2’/norm(v2)
     v3’/norm(v3)];
% translation is left unchanged
% new intrinsic parameters (arbitrary)
A = (A1 + A2)./2;
A(1,2)=0; % no skew
% new projection matrices
Pn1 = A * [R -R*c1 ];
Pn2 = A * [R -R*c2 ];
% rectifying image transformation
T1 = Pn1(1:3,1:3)* inv(Po1(1:3,1:3));
T2 = Pn2(1:3,1:3)* inv(Po2(1:3,1:3));

% ------------------------
function [A,R,t] = art(P)
% ART: factorize a PPM as P=A*[R;t]
Q = inv(P(1:3, 1:3));
[U,B] = qr(Q);
R = inv(U);
t = B*P(1:3,4);
A = inv(B);
A = A ./A(3,3);

参考文献

  • A compact algorithm for rectification of stereo pairs
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 219,366评论 6 508
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,521评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 165,689评论 0 356
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,925评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,942评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,727评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,447评论 3 420
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,349评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,820评论 1 317
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,990评论 3 337
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,127评论 1 351
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,812评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,471评论 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,017评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,142评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,388评论 3 373
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,066评论 2 355

推荐阅读更多精彩内容