如何理解基础矩阵（fundamental matrix）在极线几何（epipolar geometry）中的作用，并介绍Hartley规格化8点算法的原理？

基础矩阵（fundamental matrix）在计算机视觉中扮演着极其重要的角色，尤其是在处理立体视觉和三维重建问题时。它联系了同一场景在不同视角下的两个图像，通过描述图像间的几何关系，允许我们找到对应点之间的匹配关系。而极线几何是双目立体视觉中的一个基本概念，它简化了立体匹配问题，使得只需要在一维空间内进行搜索匹配点，而不是在二维图像上搜索，这极大提高了效率。

参考资源链接：[hartley 规格化8点算法 论文](https://wenku.csdn.net/doc/5g0o4i7lue?spm=1055.2569.3001.10343)

Hartley规格化8点算法是一种计算基础矩阵的经典方法，它假设相机已经经过内部和外部校正，即消除了镜头畸变并且成像平面与世界坐标系平行。该算法利用了至少8对对应点来线性地估计基础矩阵。算法的核心思想是将对应点坐标规格化到单位圆内，以减少因点位置而带来的数值条件问题，进而提高了算法的稳定性和准确性。

具体来说，算法首先对图像坐标进行尺度和旋转变换，将其规格化到单位圆内。接着通过最小化重投影误差，建立基础矩阵F的代数估计。最后，通过对估计出的基础矩阵进行去规范化，恢复到原始的尺度。这种方法的优点在于其计算效率高，而且在正确选择对应点的情况下，算法性能相对稳健。

在深入理解这些概念后，推荐您阅读《In Defense of the Eight-Point Algorithm, Hartley ICCV》这篇论文。在这篇论文中，作者Hartley详细地讨论了八点算法的原理和实现，包括它的优点、局限性以及如何在实际应用中进行优化。这篇论文是进一步深入了解和应用Hartley规格化8点算法不可或缺的资料。

参考资源链接：[hartley 规格化8点算法 论文](https://wenku.csdn.net/doc/5g0o4i7lue?spm=1055.2569.3001.10343)