opencv - 变换的基本矩阵

Question

我有两张图像，它们具有已知的对应 2D 点、相机的固有参数以及相机之间的 3D 转换。我想计算从一幅图像到另一幅图像的 2D 重投影误差。

为此，我考虑从变换中获取一个基本矩阵，这样我就可以计算点与相应对极线之间的点到线距离。如何获得基本矩阵？

我知道 E = R * [t] 和 F = K^(-t) * E * K^(-1)，其中 E 是基本矩阵，[t] 是平移向量的斜对称矩阵。但是，如果运动是纯旋转 (t = [0 0 0])，这将返回一个空矩阵。我知道在这种情况下单应性比基本矩阵更好地解释运动，因此我可以将平移向量的范数与小阈值进行比较以选择基本矩阵或单应性。有更好的方法吗？

Answer 1

“我想计算从一幅图像到另一幅图像的 2D 重投影误差。”

那就去计算吧。您的设置已经过校准，因此除了一 block 已知的 3D 几何图形之外，您不需要任何其他东西。忘掉对极误差吧，如果您的相机运动是(接近)纯旋转，它也可能是未定义的。

取一个已知大小和形状的物体(例如，棋盘)，从一个相机 View 计算出它在 3D 空间中的位置(对于棋盘，您可以在其物理模型和投影之间拟合单应性，然后将其分解进入 [R|t])。然后根据相机的校准参数将当前定位的 3D 形状投影到另一个相机中，并将投影与物体的实际图像进行比较。