STATION 15 · WORLD 03 MULTIVIEW RECONSTRUCTION

本质矩阵与相机位姿

在已知相机内参后，把基础矩阵转换为本质矩阵，并通过分解 \( \mathbf{E} \) 恢复两台相机之间的旋转 \( \mathbf{R} \) 和平移 \( \mathbf{t} \)。

\( \mathbf{F}\rightarrow\mathbf{E} \) · \( \mathbf{R},\mathbf{t} \) · CHEIRALITY 真实图片 · 双图演示 机制拆解 · 多视图几何 公式推导 · \( \mathbf{F} \) / \( \mathbf{E} \) / Triangulation \( \mathbf{F} \) · \( \mathbf{E} \) · \( \mathbf{R},\mathbf{t} \) · \( \mathbf{X} \)
ESSENTIAL MATRIX & CAMERA POSE PLAYGROUND

从 \( \mathbf{F} \) 与内参恢复相机相对位姿

特征匹配 / Matches \( \mathbf{E}=\mathbf{K}'^{\mathsf T}\mathbf{F}\mathbf{K} \) \( \mathbf{R},\mathbf{t} \) pending
矩阵流水线 Matrix Pipeline 特征匹配 → \( \mathbf{F} \) → \( \mathbf{K},\mathbf{K}' \) → \( \mathbf{E} \) → SVD → 位姿候选
位姿候选 Pose Candidates \( \mathbf{R}_1,+\mathbf{t} \) / \( \mathbf{R}_1,-\mathbf{t} \) / \( \mathbf{R}_2,+\mathbf{t} \) / \( \mathbf{R}_2,-\mathbf{t} \)
  1. 1
    特征匹配Matches
  2. 2
    基础矩阵\( \mathbf{F} \) Matrix
  3. 3
    内参归一化Normalize with K
  4. 4
    本质矩阵Essential \( \mathbf{E} \)
  5. 5
    分解 \( \mathbf{E} \)Decompose \( \mathbf{E} \)
  6. 6
    正深度检查Cheirality Check
  7. 7
    相机位姿Camera Pose