机器视觉：8.多视图几何与三维重构
图像拼接双目立体视觉系统运动恢复结构三维重构极线几何与基础矩阵总结
极线几何与基础矩阵极线几何本质矩阵基础矩阵基础矩阵的求解方法
1.2本质矩阵Part14本质矩阵对归一化相机拍摄的两个视点图像之间的极线几何关系进行代数描述。归一化相机的内参矩阵为单位矩阵，即本质矩阵——概念?
1.2本质矩阵Part15向量叉乘可通过下式重新定义：本质矩阵——数学知识??
1.2本质矩阵Part16假设两个相机均为归一化相机，相机的内参矩阵均为单位矩阵。因此，像素坐标和空间点坐标的关系如下：本质矩阵——推导?因此，像素坐标系的齐次坐标与空间点在相机坐标系下的非齐次坐标相同。
1.2本质矩阵Part17?本质矩阵——推导本质矩阵
1.2本质矩阵Part18?本质矩阵——推导??
1.2本质矩阵Part19结论本质矩阵——推导?
1.2本质矩阵Part110结论本质矩阵——推导?
1.3基础矩阵Part111基础矩阵对一般透视相机拍摄的两个视点的图像之间的极线几何关系进行代数描述。与本质矩阵不同的是，基础矩阵对相机的内参矩阵没有要求。基础矩阵——概念
1.3基础矩阵Part112求解基础矩阵的思路是将其变换到归一化相机上。基础矩阵——推导??
1.3基础矩阵Part113结论基础矩阵——推导?
1.3基础矩阵Part114?基础矩阵——小结
1.4基础矩阵的求解方法Part115?基础矩阵——八点法求解?
1.4基础矩阵的求解方法Part116?基础矩阵——八点法求解?
1.4基础矩阵的求解方法Part117?基础矩阵——八点法求解
1.4基础矩阵的求解方法Part118?基础矩阵——归一化八点法求解
1.4基础矩阵的求解方法Part119基础矩阵——归一化八点法求解?
运动恢复结构运动恢复结构问题欧式结构恢复透视结构恢复N视图的运动恢复结构问题
2.1运动恢复结构问题Part221?问题描述
2.1运动恢复结构问题Part222在三维重构及SLAM领域，常用的运动恢复结构有两种具体形式:欧式结构恢复和透视结构恢复。欧式结构恢复适用于相机内参数已知、外参数未知的情况，通常用于扫地机器人或者自动驾驶车辆，可以预先标定好相机的内参数，用于运动恢复结构问题的求解。透视结构恢复适用于相机内参数、外参数均未知的情况，通常用于从互联网上下载一组数据集而不知道相机具体参数的情况。两种典型的运动恢复结构问题
2.2欧式结构恢复Part223?欧式结构恢复问题（相机内参数已知，外参数未知）
2.2欧式结构恢复Part224?两视图的欧式结构恢复?
2.2欧式结构恢复Part225（1）利用SVD方法分解本质矩阵两视图的欧式结构恢复???
2.2欧式结构恢复Part226?两视图的欧式结构恢复（4）通过重构单个或多个点找出正确解?
2.2欧式结构恢复Part227欧式结构恢复的歧义问题欧式结构恢复无法估计场景的绝对尺度，恢复出来的欧式结构与真实场景之间相差一个相似变换，恢复的场景与真实场景之间仅存在相似变换的重构称为度量重构，如图所示。度量重构
2.3透视机构恢复Part228透视结构恢复的问题（相机内参数、外参数均未知）?
2.3透视机构恢复Part229透视结构恢复的歧义问题?透视结构恢复歧义
2.3透视机构恢复Part230两视图的透视结构恢复?
2.3透视机构恢复Part231两视图的透视结构恢复?
2.4N视图的运动恢复结构问题Part232n张图像进行运动恢复结构?N视图的运动恢复结构问题
2.4N视图的运动恢复结构问题Part233光束平差法（BundleAdjustments）对场景中任意三维点，由从每个视图所对应的的相机的光心发射出来并经过图像中对应特征点后的光线，都将交于一个真实值的点，对于所有三维点，则形成相当多的光束；实际过程中由于噪声等存在，每条光线几乎不可能汇聚于真实值的一点，因此在求解过程中，需要不断对待求信息进行调整，来使得最终光线能交于一个重构点。光束平差法的直观解释
2.4N视图的运动恢复结构问题Part234光束平差法（BundleAdjustments）?光束平差法的直观解释
双目立体视觉系统平行视图非平行视图
3.1平行视图Part336基础矩阵的另一种形式??
3.1平行视图Part337基础矩阵的另一种形式?
3.1平行视图Part338极线几何特例：平行视图极线几何的一种特例是当两个相机的成像区域平行，且两个区域在同一平面上，称为平行视图。平行视图如下图所示。平行视图
3.1平行视图Part339极线几何特例：平行视图?平行视图
3.1