Computer vision 理解对极孔与斧头对齐的问题
这个问题是在我读书时提出的。目标是在给定五个点对应的情况下，估计两个摄像机的相对姿态C1和C2 将投影平面视为单位球体，并选择全局坐标系，以使ZG轴连接摄影机中心。如果我们可以找到两个矩阵R1和R2，分别将C1和C2的内部坐标系映射到前面描述的全局坐标系，那么问题就解决了（对我来说，这些矩阵听起来只是将相机的Zc_1和Zc_2轴与全局ZG轴对齐） 这些矩阵以迭代方式计算，并且在每次迭代中，所有点对应（v1，v2）通过旋转更新，变为（R1v1，R2v2） 到目前为止，一切都是有意义的。但后来，作者指出，这些旋转改变了极轴的方向（我假设是相对于相机的Z轴），并且“通过旋转单位球体，使z轴ZG与对极对齐，即ZG=R1e1=R2e2旋转点对应（v1，v2）与对极e1，e2共面。” 对我来说，ZG轴作为基线，总是与对极对齐，旋转的对极Re不再是对极，因为它会远离基线。但上面的引文暗示，有些配置中对极不对齐……正如你所看到的，我完全搞不清楚。。。请帮助我理解作者的意思Computer vision 理解对极孔与斧头对齐的问题,computer-vision,vision,projective-geometry,Computer Vision,Vision,Projective Geometry,这个问题是在我读书时提出的。目标是在给定五个点对应的情况下，估计两个摄像机的相对姿态C1和C2 将投影平面视为单位球体，并选择全局坐标系，以使ZG轴连接摄影机中心。如果我们可以找到两个矩阵R1和R2，分别将C1和C2的内部坐标系映射到前面描述的全局坐标系，那么问题就解决了（对我来说，这些矩阵听起来只是将相机的Zc_1和Zc_2轴与全局ZG轴对齐） 这些矩阵以迭代方式计算，并且在每次迭代中，所有点对应（v1，v2）通过旋转更新，变为（R1v1，R2v2） 到目前为止，一切都是有意义的。但后来，作者