本質矩陣描述了相機內參已知的情況下同一個點不同視角下的關係,5自由度。即已知同一個點在兩幀圖像下的座標,兩個座標、相機內參、本質矩陣滿足對極約束條件(1-1)。
基礎矩陣描述了同一個點在不同視角下的關係,7自由度。
單應矩陣描述了同一平面上的點在不同視角下的關係、即兩個相機座標系下的變換關係,9自由度。
這三個矩陣都用於求解相機的位姿,單應矩陣適合平面場景,其餘兩個適合普通場景。
1 本質矩陣(Essential Matrix)
本質矩陣由對極約束定義,對極約束的推導過程見SLAM前端:對極幾何、三角測量。對極約束如下:
(1-1)
本質矩陣的定義:
(1-2)
一般對極幾何求解R、t時不通過直接求解方程組得到,一般通過求解本質矩陣E再矩陣分解得到R與t。由於矩陣E包含了旋轉信息R(3自由度)與平移信息t(3自由度),並且對於式(1-2)等式左右乘以一個數等式依舊成立,一次本質矩陣E沒有尺度信息,少一個自由度,因此爲5自由度。
2 基礎矩陣(Fundamental Matrix)
基礎矩陣同樣由對極約束定義,滿足對極約束條件(1-1),定義如下:
(1-3)
相比本質矩陣E,基礎矩陣包含了相機內參信息K。基礎矩陣F的自由度爲7,9個位置參數滿足尺度統一性並且F的行列式爲0。爲什麼F的行列式爲0?因爲的秩爲2,並且K矩陣滿秩可逆。矩陣乘以可逆矩陣,該矩陣的秩不變。
爲什麼的秩爲2?因爲R可逆,矩陣的秩爲2。
爲什麼矩陣的秩爲2?對其進行初等變換如下:
初等變換不改變矩陣的秩。也可以直接用定理:反對稱矩陣的行列式爲0,矩陣不滿秩。
3 單應矩陣
單應矩陣用於描述共同平面上的點在兩張圖之間的對應關係。如果圖像上的匹配點位於平面上,則有:
n爲法向量。可以得到:
對於平面P上的某一點,假設在上的投影點爲,在上的投影點爲,的變換關係爲R,t。可以得到:
由,即得到:
定義單應矩陣爲:
自由度爲9。
參考鏈接:多視圖幾何