image
本質矩陣的基本性質：
image
結合成像的幾何關系
image
Longuet-Higgins equation
image
注意大小寫的區(qū)別哦情竹，大小表示物點矢量官觅，小與表示像點矢量缚忧。
像平面上的一點可以看作：
? (u,v) 2D film point(局限于像平面上來考慮)
? (u,v,f) 3D point on film plane(相機坐標系中來考慮)
? k(u,v,f) viewing ray into the scene(透過像點和原點射線上點的像德迹，相機坐標系中來考慮)
? k(X, Y, Z) ray through point P in the scene(在世界坐標系中來考慮)
設l
為像平面上的一直線：au+bv+c=0
因此有
image
這樣就可以用幾何的觀點來解釋上述方程：左像平面上的一點pl
乘以本質矩陣E
，結果為一條直線古沥，該直線就是pl
的極線，且過pl
在右像平面上的對應點pr
。這個結論十分喜人致讥。
同理有
image
? Remember: epipoles belong to the epipolar lines
image
? And they belong to all the epipolar lines
image
關于本質矩陣的關系總結如下：
image
本質矩陣采用的是相機的外部參數(shù)，也就是說采用相機坐標(The essential matrix uses CAMERA coordinates)器赞，如果要分析數(shù)字圖像垢袱，則要考慮坐標(u,v)，此時需要用到內部參數(shù)(To use image coordinates we must consider the INTRINSIC camera parameters)
image
從像素級來考慮港柜，有如下關系
image
short version: The same equation works in pixel coordinates too!
矩陣F
稱為基本矩陣:F=M?TrRSM?1l
? has rank 2
? depends on the INTRINSIC and EXTRINSIC Parameters (f, etc ; R & T)
Analogous to essential matrix. The fundamental matrix also tells how pixels (points) in each image are related to epipolar lines in the other image.
例子：
image
image
image
image
image
由F?el=0
惶桐，并根據(jù)下圖，where is the epipole? vector in the right nullspace of matrix F
潘懊，即F
的右零空間姚糊。當然el
是非零向量，也就是說F?el=0
有非零解授舟，說明矩陣F
不是滿秩的救恨，或者說它是奇異的，However, due to noise,F may not be singular.So instead, next best thing is eigenvector associated with smallest eigenvalue of F释树。
image
[u,d] = eigs(F’ * F)u =-0.0013 0.2586 -0.96600.0029 -0.9660 -0.25861.0000 0.0032 -0.0005d = 1.0e8*-1.0000 0 00 -0.0000 00 0 -0.0000eigenvector associated with smallest eigenvalue>> uu = u(:,3)uu = ( -0.9660 -0.2586 -0.0005)>> uu / uu(3) : to get pixel coords(1861.02 498.21 1.0)
image
