1. 試畫圖說明極線幾何關係，並指出極點、極線所在，解釋極線約束。
基線：左右像機光心連線；
極平面：空間點，兩像機光心決定的平面；
極點：基線與兩攝像機圖像平面的交點；
極線：極平面與圖像平面交線
極線約束：匹配點必須在極線上
例如：假設已知點X，如何求x’
1、點x和x’一定位於平面π上，而平面π可以利用基線CC’和圖像點x的反投影射線確定
2、點x’又是右側圖像平面上的點，所以，點x’一定位於平面ππ與右側圖像平面的交線l’上
3、前面提到，直線l’爲點x的對極線，也就是說，點x的對應點x’一定位於它的對極線上！
2. 結合本質矩陣的定義，說明本質矩陣的意義，同時思考與上一週中平面點對應透視矩陣的區別。
幾何表示是便於理解的，可是計算機並不懂，我們要將其轉爲代數形式。
我們知道由相機1到相機2是剛體運動，那麼觀測點P在相機1座標系的座標就可以通過剛體轉換變成相機2座標系下，
其中R和T分別表示旋轉和平移，如果我們將其左叉乘一個T，即
其中 T X P’ 表示對極平面的法線，若再左點乘一個P’得到
由於P’與法線TxP’是垂直的，所以有
我們知道兩向量的叉乘可以轉換爲一向量的反對稱矩陣與另一向量的點乘，於是
表示[Tx]的反對稱矩陣，我們讓 E=[Tx]R ,那麼
這個E就是本質矩陣.
3. 說明三維重構的步驟，並指出輸入及輸出要求。
三維重構步驟:
1、提取特徵點，建立特徵匹配
2、計算視差
3、計算世界座標
4、三角剖分
5、三維重構
輸入：特徵匹配點
輸出：三維點雲數據
4. 說明特徵匹配的步驟，進一步說明基於k-d樹的特徵匹配方法的思路。
特徵匹配方式
- 這裏是列表文本特徵點提取+特徵匹配；
- 這裏是列表文本光流匹配；
- 這裏是列表文本塊匹配；
- 這裏是列表文本立體矯正+平行匹配；
特徵匹配步驟：
k-d樹最近鄰查詢算法
1.首先通過將查找點數據根結點數據對應維 上的值相比較，按照二叉搜索的方式，順着“搜索路徑”找到最近鄰的近似點，也就是 與查詢點處於同一個子空間的葉子節點；
2.爲了防止漏查與查找點 跟迕的距離的點，回溯搜索路徑，並且判斷搜索路徑上節點的其他子節點空 間中是否迓有距離查詢點更近的數據點，如果有，則需要跳到其他子節點空間中去搜索。
3.重複返個過程直到搜索路徑爲空。
5. 說明RANSAC方法的基本思想及實施步驟。
基本思想
RANSAC通過反覆選擇數據中的一組隨機子集來達成目標。被選取的子集被假設爲局內點，並用下述方法迕行驗證：
-
有一個模型適應於假設的局內點，即所有的未知參數都能從假設的局內點計算得出。
-
用1中得到的模型去測試所有的其它數據，如果某個點適用於估計的模型，認爲它也是局內點。
-
如果有足夠多的點被歸類爲假設的局內點，那麼估計的模型就足夠合理。
-
然後，用所有假設的局內點去重新估計模型，因爲它僅僅被初始的假設局內點估計過。
-
最後，通過估計局內點與模型的錯誤率來評估模型。 返個過程被重複執行固定的次數，每次產生的模型要麼因爲局內點太少而被捨棄，要麼因爲比現有的模型更好而被選用
