一、视差
1.视差的定义:两幅图像重叠时共轭对之间的位置差。共轭对:对应的特征点。
双目视觉相关学习
b是两个相机之间的距离,又称为基线距离。

2.双目视觉(立体视觉)测距步骤:
1)确定摄像机的相对几何位置和有关参数,即摄像机的标定(calibration);
2)寻找在两幅图像中都便于区分的特征,或用于匹配的基元;
3)把左右两幅图像中的有关特征进行匹配,即解决特征匹配的方法问题;
4)根据视差计算成像物体相对于摄像机的距离。

3.u,v disparity
双目视觉相关学习
假设两台相机如上图搭设。世界坐标系(XW,YW,ZW)于两个相机的中间,且相机pitch角度为θ。
在相机坐标系下,图像平面内的一个点的位置是由其坐标(u,v)给出的。光学中心的投影点的坐标为(u0,v0),(假设为图像中心)。
因此,上图中右侧的公式为将世界坐标系中的点转换为相机坐标系,即图像中的点的坐标的变换公式。
双目视觉相关学习

理解上面的u,v-disparity要先理解摄像机模型。
相关概念:
投影中心称为摄像机中心,也称为光心。
摄像机中心到图像平面的垂线称为摄像机的主轴或主射线,主轴与图像平面的交点称为主点。
双目视觉相关学习

上面图片说明中得到的摄像机矩阵p是在假定图像平面的坐标原点在主点上的前提下,但是实际情况下,可能并不是这样,图像平面的坐标原点有可能是图像的左上角也有可能是右上角。所以这个时候就要以图像平面的坐标原点为基准,即在原有变换的基础上,平移至主点,即映射变为
(X,Y,Z)T -> (fX/Z+px,fY/Z+pyT
即此时摄像机矩阵为
双目视觉相关学习

再回到上面的u,v-disparity的定义中,u0和v0的存在就好理解了。

http://blog.csdn.net/dukai392/article/details/70168494

相关文章: