"第四章 从射影重构恢复欧氏重构是计算机视觉领域的核心内容,主要探讨如何在没有额外约束的情况下,从射影重构过渡到欧氏重构。射影重构只提供几何关系的投影,而欧氏重构则能提供实际的物理距离和角度。这一过程涉及到摄像机自标定技术,即在未知参数条件下确定摄像机的内在属性。本章重点介绍了基于Kruppa方程的摄像机自标定方法,并提出了一种新的分步算法,该算法首先使用共轭梯度法求解比例因子,随后线性解决Kruppa方程以完成摄像机内参数的标定。此外,还提出了一种在内参数已知情况下,从射影重构恢复欧氏重构的算法,该算法通过非奇异矩阵转换实现。实验验证了这些算法的有效性。本章的前提假设是摄像机在运动过程中内参数保持不变。"
在计算机视觉中,摄像机自标定是关键步骤,因为它允许在没有外部标定物体的情况下估计摄像机的内在参数,如焦距、主点位置和畸变系数。Maybank和Faugeras在1992年的开创性工作启发了后续的各种自标定方法,这些方法通常依赖于绝对二次曲线或其对偶绝对二次曲面。绝对二次曲线在射影空间中具有不变性,即使摄像机位置改变,其在像平面上的投影依然保持一致。绝对二次曲线的方程定义了摄像机内参数的约束,这对于建立数学模型和求解Kruppa方程至关重要。Kruppa方程是自标定过程中的核心,它与摄像机的投影几何紧密相关。
传统的Kruppa方程求解方法往往复杂且计算量大,因此,文中提出了一种分步算法来简化这一过程。首先,使用共轭梯度法求解比例因子,这是一种优化方法,可以有效地找到最小化目标函数的解。然后,利用求得的比例因子,方程可以被线性化,从而简化了求解摄像机内参数的过程。这种创新方法提高了效率,降低了计算难度。
一旦摄像机内参数被准确标定,接下来就可以进行从射影重构到欧氏重构的转换。射影重构仅提供了物体相对位置的投影信息,而欧氏重构则能恢复物体的实际三维坐标。为此,提出了一种算法,通过求解满足欧氏重构条件的非奇异矩阵,将射影坐标转换为欧氏坐标,从而得到实际的物理距离和角度。
本章的研究成果对于理解计算机视觉中的几何重构问题有重大意义,提出的算法不仅理论严谨,而且经过实验验证,证明了其实用性和有效性。这些方法对于机器人导航、增强现实、3D重建等领域具有重要的应用价值。