视觉算法实现和小总结
最近搞得的东西有点多（我又肝出血来了 ），但是知识的梳理还是不能少的！所以把用过的算法做了个小总结（不定期更新）
重要的基础知识
视觉基础知识入门：传送门（这篇关于相机的几个矩阵讲的很细致入微，有书有依据，很推荐看看）
单映矩阵：同一平面两个不同相机座标系对应座标的变换，这就和对极约束不同了， 对极约束是点和直线的关系，当知道一个平面点的位置时，并不能求出另一个点。需要注意的是，在相机只有旋转而没有平移的情况下，两视图的对极约束就不再适用，这时可以使用单应矩阵?来描述两个图像像点的对应关系。详细浏览
本质矩阵和基本矩阵：多帧图像的时候，就会存在对极线，同一个物体不同两个相机位置，就会产生对极线，怎么去实现这个这样的表达呢？去看看通俗理解的话，本质矩阵就是求两个不同相机座标系下的三维点对的变换矩阵，基本矩阵就是在本质矩阵的基础上，求得两个不同相机座标系下平面的二维点对变换矩阵。
算法的实现
相机的标定
标定也是一门有讲究的技术活，新版的matlab标定，说实话，一般般，主点还没以前的版本测得准。链接是老版matlab的标定，这个的棋盘格是手动去先画出一个大致的范围的，有一说一，就是准，有毒毒 。
链接：matlab原始标定程序 立体的标定也有哦
基于这个结合ICP可以做出很好的三维点的变换求得相机姿态变换RT（比单纯的求单映射矩阵好多了）
双目标定和单目标定的关系？
单目标定和双目标定操作上是差不多的，但是双目可以解决一个重要的问题——scale。有了两个相机之间的旋转矩阵和平移向量，就可以用三角测量依据视差的关系，得到真实的距离，这是单目一直都在解决的事情。
经典：plane-sweeping平面扫描法
未完待续```