首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >从零开始一起学习SLAM | 不推公式,如何真正理解对极约束?

从零开始一起学习SLAM | 不推公式,如何真正理解对极约束?

作者头像
用户1150922
发布2019-05-27 11:36:44
4.1K0
发布2019-05-27 11:36:44
举报
文章被收录于专栏:计算机视觉life计算机视觉life

版权声明:本文为博主原创文章,未经博主允许不得转载。违者必究。 https://cloud.tencent.com/developer/article/1436516

自从小白向师兄学习了李群李代数和相机成像模型的基本原理后,感觉书上的内容没那么难了,公式推导也能推得动了,感觉进步神速,不过最近小白在学习对极几何,貌似又遇到了麻烦。。。

小白:师兄,对极几何这块你觉得重要吗?

师兄:当然重要啦,这个是多视角立体视觉的核心啊

小白:那师兄一定得帮帮我讲清楚啊,最近在看书上这部分内容,感觉很难理解呢!

师兄:哪里不理解?书上公式推导的挺详细了都

小白:这么说吧,公式推导我也能大概看懂,但总觉得不知道为啥这么推导,这样推导的物理意义是什么?

师兄:哦哦,明白啦,就是不能转化为直观的理解方式吧

小白:是的,只能被动接受推导结果,但不能理解背后的原理,这种感觉好差。。

师兄:嗯,那我想想,怎么给你讲。。。说实话,你这个问题挺有意义的

小白:太好啦!开讲吧师兄,小板凳我都搬好啦,瓜子花生都准备好啦

对极几何基本概念

师兄:好。那我就从几何意义的角度来推导一下对极几何中的对极约束吧。先看下面这个图,很熟悉吧,对极约束中很常见的图。它表示的是一个运动的相机在两个不同位置的成像,其中:

左右两个平行四边形分别是相机在不同位置的成像平面

C0, C1分别是两个位置中相机的光心,也就是针孔相机模型中的针孔

P是空间中的一个三维点,p0, p1分别是P点在不同成像平面上对应的像素点

小白:嗯,这个图见到很多次了,不过一直理解的不透彻

师兄:你看上面左侧的图,如果将点P沿着C0-p0所在的直线移动,你会发现P在左边相机的成像一直不变,都是p0,这时候P在右边相机的成像点p1是一直在变化的

小白:对,好像是沿着右边那条红色的线滑动

师兄:嗯,你看C0-C1-P-p0-p1他们都是在同一个平面上的,你可以想象C0-C1-P组成的平面是一个三角尺,它所在的平面称之为极平面(epipolar plane),它像一把锋利的刀,切割了左右两个成像平面

小白:哇塞,这样感觉直观多了

师兄:嗯,其中和成像平面相交的直线称之为极线(epipolar line),两个光心C0, C1和成像平面的交点叫做极点(epipole)。

小白:师兄,好多新的术语啊,都要记吗?

师兄:不用死记,知道是哪个就行了。我们重点来说说极平面,你看下面这个图,C0-C1-P-p0-p1他们是不是都是在极平面上?

小白:嗯,是的,它们都是共面的。

不推公式,如何理解对极约束?

师兄:还记得我们在《从零开始一起学习SLAM | 为什么要用齐次坐标?》里讲的叉乘的定义吗?两个向量的叉乘结果是一个同时垂直于这两个向量的向量。

小白:记得呢,叉乘只在三维空间中有定义,比如两个向量 a和b 的叉乘写作 a x b,它是与向量 a, b都垂直的向量,其方向通过右手定则决定。

师兄:对,除了叉乘,还有点乘,a点乘b的定义是

a * b = ||a||* ||b|| *cos(θ)

因此如果两个互相垂直的向量点乘,cos(θ) = 0,点乘结果也为0。

小白:师兄,这些我都记得呢!可是怎么突然说这个呢,和对极几何有什么关系吗?

师兄:当然有关系!刚刚你说了点乘和叉乘的特点,现在我们把极平面中C0-C1-p0-p1单拎出来,看下面的图

我们能够得到下面的 结论1:

你自己说说为什么这个等式成立?

小白:我看看哈,额,根据叉乘的定义

的结果是一个同时垂直于它们的向量,也就是说垂直于C0-C1-p0-p1组成的极平面,因此这个叉乘的结果再点乘

结果就是0了。是吧,师兄?

师兄:完全正确,用到的都是我们前面刚刚讲过的基础知识~

小白:可是,师兄,叉乘不是仅在三维空间中有定义吗?我们这里的p0, p1都是图像上的二维点啊

师兄:这个问题问的好!确实如你所说,p0, p1都是图像上的二维点,不过,这里我们会把它变成三维的方向向量来考虑

小白:啥是方向向量啊?

师兄:就是我们只考虑它的方向,而不考虑它的起点或终点的向量。我们假设一个归一化的图像平面,该平面上焦距f =1 ,因此我们可以定义在以C0为原点的坐标系下

而在以C1为原点的坐标系下

小白:这样定义可以吗?

师兄:可以的,事实上,你在C0-C1-p0-p1组成的极平面上,保证

的方向不变,在极平面上随便移动,结论1中等式都成立。同样的道理,在极平面上,保证

方向不变,在极平面上随便移动,结论1中等式仍然都成立。

小白:确实是这样,师兄,下一步怎么办?好像p0, p1不在同一个参考坐标系里?

师兄:是的,前面说过,p0在以C0为原点的参考坐标系,p1在以C1为原点的参考坐标系,所以我们还是需要转换坐标系。这里我们把所有点的坐标都转换到以C0为原点的坐标系。前面说过这些向量都是方向向量和向量起始位置无关,所以这里坐标系变换只考虑旋转就可以。我们记 R 为从C1坐标系到C0坐标系的旋转矩阵

小白:那么 Rp1 就是p1 在以C0为原点的C0坐标系了

师兄:对的~现在再看看结论1

最左边向量C0-p0就可以用p0表示,向量C0-C1就是光心C1相对于C0的平移,我们记为t, 向量C1-p1根据前面的讨论,可以用 Rp1 来表示,那么结论1可以表示为以下的结论2:

这个式子是根据对极几何得到的,我们称之为对极约束。

小白:哇塞,师兄,原来对极约束也可以这样得到啊!我现在能完全理解啦!

如何得到极线方程?

师兄:对,这就是对极约束最直观的解释,一般把中间的部分拿出来,像下面这样,记为本质矩阵或本征矩阵(Essential Matrix)。

然后我们就得到了如下的结论3:

小白:厉害了师兄,这下彻底明白啦,不过之前提到的极线什么的好像也没说怎么求啊?

师兄:其实根据上面结论3就可以求出极线方程啦!

小白:啊,怎么求极线方程?

师兄:还记得我们在《从零开始一起学习SLAM | 为什么要用齐次坐标?》里讲过的点p在直线l上的充分必要条件就是 直线l 的系数与p的齐次坐标p’的内积为0

小白:记得呢!那节课的习题我都认真做了,所以印象深刻!

师兄:不错!那结论3我们就可以把E_p1看做是直线的方程,p0看做是直线上的点,也就是说E_p1就是以C0为原点坐标系中的极线了。如下图中红色线条所示,就是极线啦,它的方程是E*p1。

小白:原来如此,看来以前的基础很重要啊!哪里都能用上。谢谢师兄,今天没有推导公式,我竟然能够得到极线约束的式子,太神奇了,而且印象很深刻!

师兄:嗯,相信以后你肯定不会忘记啦!

小白:师兄,我们去吃大餐庆祝一下吧!

师兄:走起~

师兄:等下,今天的作业还没留呢!

小白:(我晕,师兄记性真好。。)

作业

作业1:

证明:对三维列向量下面等式恒成立。其中等式左边 X 表示叉乘,等式右边上三角符号表示反对称矩阵。

作业2:

题目:现有一个运动着的相机拍摄的连续两张图片,其中特征点匹配部分已经完成。请根据两帧图像对应的匹配点计算基础矩阵,并利用该矩阵绘制出前10个特征点对应的极线。

参考结果是这样的:

原文链接:从零开始一起学习SLAM | 不推公式,如何真正理解对极约束?

相关阅读

从零开始一起学习SLAM | 为什么要学SLAM?

从零开始一起学习SLAM | 学习SLAM到底需要学什么?

从零开始一起学习SLAM | SLAM有什么用?

从零开始一起学习SLAM | C++新特性要不要学?

从零开始一起学习SLAM | 为什么要用齐次坐标?

从零开始一起学习SLAM | 三维空间刚体的旋转

从零开始一起学习SLAM | 为啥需要李群与李代数?

从零开始一起学习SLAM | 相机成像模型

零基础小白,如何入门计算机视觉?

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2018年11月07日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档