0


双目相机基本原理

双目相机基本原理

双目图像

在这里插入图片描述
如图所示,双目图像就是通过左右两个摄像头拍摄的图片,存在一定视差

视差

视差就是指,同一像素在两张图片上位置的差距。举例来说,看下面这张图,我们聚焦在同一像素点,摩托车后视镜上。在左图,该像素点坐标是(80,150),右图是(35,150),那该图的视差就是80-35=45
在这里插入图片描述

深度

深度就是指实际物体到摄像头的距离

深度与视差之间的关系

在这里插入图片描述
这是根据一个博主的图我自己补充的,根据公式推导(依据相似三角形),可以得到最后的视差与深度的公式。深度等于两摄像头之间的距离乘上焦距除以视差

极平面

极平面就是由左右摄像头以及物体三点组成的平面,在上图中就是LRP平面

极线

极线就是极平面与成像平面的交线,在上图中就是写着成像平面那一条线,但是因为上图是理想情况,即两摄像头焦距一样,成像平面也在同一平面上,所以极线是在一条连续的线上且在同一平面,但如果两摄像头没那么理想,就如下图:
在这里插入图片描述
这样的话,极线就是abcd了

极线约束

如果在左图有一点,想在右图上找到对应的一点的话,全图搜索太费时间了,所以出现了这个概念叫极线约束。意思就是如果想找到对应点的话,只需要在极线上找就行了。两图中相同的像素点一定在同一极线上

单应性矩阵

但是如果摄像头不是共面,会带来很大的麻烦,极线也没办法找,所以需要图像矫正,即把两个成像平面”掰“到同一平面上,”掰“成理想情况,具体怎么”掰“?就是用单应性矩阵。单应性矩阵是一个33的矩阵,作用就是将一个平面掰到另一个平面。具体操作就是每个像素点坐标做成31的向量v = [x,y,1],然后与单应性矩阵H相乘=>Hv得到另一个3*1的向量v’,v’=[x’,y’,1],x‘和y’就是该像素点掰过去后的新坐标,具体原理可以参考博客: 单应性矩阵


本文转载自: https://blog.csdn.net/hhjoerrrr/article/details/124127143
版权归原作者 桥卉呀 所有, 如有侵权,请联系我们删除。

“双目相机基本原理”的评论:

还没有评论