SLAM之對極約束推導

以下圖片就來自於高翔博士《視覺SLAM十四講》
在這裏插入圖片描述
我看到這裏的時候對於(7.2)沒有看懂,因爲直覺上跟(7.1)完全不等,因此我自己推導了以下,發現也可以推導出之後的對級約束(7.7)。具體推導如下:

s1p1=KP,s2p2=K(RP+t) s_1p_1 = KP, s_2p_2 = K(RP+t) 注意這裏的R和t實際上可以寫爲R21R_{21}t21t_{21},接下來將上述兩公示變形:
s1K1p1=P,s2K1p2=RP+ts_1K^{-1}p_1 = P, s_2K^{-1}p_2=RP+t 令:x1=K1p1,x2=K1p2x_1 = K^{-1}p_1, x_2=K^{-1}p_2,那麼上式可寫爲:
s1x1=P,s2x2=RP+ts_1x_1 = P, s_2x_2=RP+t於是有:
s2x2=R(s1x1)+t=s1Rx1+ts_2x_2 = R(s_1x_1)+t = s_1Rx_1+t
接下來兩邊分別左乘t^\hat{t}可以得到:
s2t^x2=s1t^Rx1+t^t=s1t^Rx1s_2\hat{t}x_2 = s_1\hat{t}Rx_1+\hat{t}t = s_1\hat{t}Rx_1 因爲t^t\hat{t}t類似於差積,因此等於0:
s2t^x2=s1t^Rx1s_2\hat{t}x_2 = s_1\hat{t}Rx_1
兩邊分別左乘x2Tx_2^T,可以得到
s2x2Tt^x2=s1x2Tt^Rx1s_2x_2^T\hat{t}x_2 = s_1x_2^T\hat{t}Rx_1 因爲左側等於0,因此右側也等於0,s1s_1是一個標量,因此:
x2Tt^Rx1=0x_2^T\hat{t}Rx_1 = 0
這裏的E=t^RE = \hat{t}R被稱爲本質矩陣(Essential Matrix)

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章