美文网首页
通过单应矩阵(Homography)求解旋转和平移

通过单应矩阵(Homography)求解旋转和平移

作者: 轻骑兵1390 | 来源:发表于2020-08-26 15:09 被阅读0次

    本文参考Motion and structure from motion in a piecewise planar environmentORB-SLAM代码共同完成, 部分证明还需要结合原文, 这里仅仅梳理算法流程.

    1. 单应(Homography)矩阵的定义

    假定空间中有一个平面, 落在平面上的点P满足方程满足:
    \mathbf{n}^T P = d

    一个空间点P, 在相机1内的坐标为P_1, 在两个相机内的投影分别为
    \begin{aligned} p_1 &= K P_1 \\ p_2 &= K(R_{21}P_1 + t_{21}) \\ \end{aligned}
    其中, R_{21}, t_{21}分别代表两时刻的旋转和平移关系. K为内参数矩阵, 假定两个相机的内参数矩阵相同. 注意大写为空间点, 小写为图像坐标系的齐次坐标.

    \begin{aligned} p_2 &= K(R_{21}P_1 + t_{21}\cdot\frac{\mathbf{n}^TP_1}{ d }) \\ &= K(R_{21} + t_{21}\cdot\frac{\mathbf{n}^T}{d})K^{-1}p_1 \end{aligned}
    考虑到p_1,p_2均为归一化坐标, 因此可以对其乘以d
    p_2 = K(d\cdot R_{21} + t_{21}\cdot{\mathbf{ n }^T})K^{ -1 }p_1
    H = K(d \cdot R_{21} + t_{21}\cdot{\mathbf{n}^T})K^{ -1 }
    H为单应矩阵, 满足p_2 = Hp_1. 单应矩阵可以通过4组匹配点, 可以通过线性变换发直接求解其8个变量.

    2.通过单应矩阵求解平移和旋转

    根据Motion and structure from motion in a piecewise planar environment, 先将单应矩阵H转换为A矩阵:
    A = d \cdot R_{21} + t_{21}\cdot{\mathbf{n}^T}
    对应代码为:

      cv::Mat A = invK*H21*K;
    

    那么, A = K^{-1}HK, 三维空间点满足P_2 = A \cdot P_1.

    A进行SVD分解, A = U\Lambda V^T, 这里(U^TU = V^TV =I), \LambdaAA^T的特征值的平方根组成(奇异值). A\in R^{3\times3}, 因此存在三个奇异值d_1\geq d_2 \geq d_3.
    使用奇异值分解可以将A = d\cdot R + t\cdot \mathbf{n}^{T}化简为:
    \Lambda = d^\prime R^\prime + r^\prime \mathbf{n}^{\prime^T}
    新的()^\prime和旧的符号之间的关系为:
    \begin{array}{l} {R}={s} {U} {R}^{\prime} {V}^{t} \\ {t}={U} {t}^{\prime} \\ \mathbf{n}={V} \mathbf{n}^{\prime} \\ d={s} d^{\prime} \\ {s}=\operatorname{det}{U} \cdot \operatorname{det} {V} \end{array}
    这一组公式是后续重要的计算Rt的依据.

    可以证明, d^\prime = \plusmn d_2, 见原文. 进而求得
    \mathbf{n}^\prime = \begin{bmatrix} \varepsilon_1 \sqrt{\frac{d_1^2 - d_2^2}{d_1^2-d_3^2}} & 0 & \varepsilon_3 \sqrt{\frac{d_2^2 - d_3^2}{d_1^2-d_3^2}} \end{bmatrix}^T
    其中\varepsilon_1, \varepsilon_3 = \plusmn 1.

    至此, 代码描述如下:

    cv::SVD::compute(A,w,U,Vt,cv::SVD::FULL_UV);
    float s = cv::determinant(U)*cv::determinant(Vt);
    
    float d1 = w.at<float>(0);
    float d2 = w.at<float>(1);
    float d3 = w.at<float>(2);
    float aux1 = sqrt((d1*d1-d2*d2)/(d1*d1-d3*d3));
    float aux3 = sqrt((d2*d2-d3*d3)/(d1*d1-d3*d3));
    float x1[] = {aux1,aux1,-aux1,-aux1};
    float x3[] = {aux3,-aux3,aux3,-aux3};
    

    \mathbf{n}^\prime = [x_1, 0, x_3]^T. 那么\mathbf{n}^\prime有4中排列组合, 在考虑d^\prime的正负, 一共有8中排列组合.

    那么下面根据d^\prime的正负进行分类处理

    2.1 d^\prime > 0

    那么
    R = \begin{bmatrix} cos\theta & 0 & -sin\theta \\ 0 & 1 & 0 \\ sin\theta& 0 & cos\theta \end{bmatrix}
    其中,
    \begin{aligned} sin\theta &= \varepsilon_1\varepsilon_3\frac{\sqrt{(d_1^2-d_2^2)(d_2^2-d_3^2)}}{(d_1+d_3)d_2} \\ cos\theta &= \frac{d_2^2 + d_1d_3}{(d_1+d_3)d_2} \end{aligned}

    float aux_stheta = sqrt((d1*d1-d2*d2)*(d2*d2-d3*d3))/((d1+d3)*d2);
    float ctheta = (d2*d2+d1*d3)/((d1+d3)*d2);
    float stheta[] = {aux_stheta, -aux_stheta, -aux_stheta, aux_stheta};
    for(int i=0; i<4; i++)
    {
      cv::Mat Rp=cv::Mat::eye(3,3,CV_32F);
      Rp.at<float>(0,0)=ctheta;
      Rp.at<float>(0,2)=-stheta[i];
      Rp.at<float>(2,0)=stheta[i];
      Rp.at<float>(2,2)=ctheta;
    
      cv::Mat R = s*U*Rp*Vt;
    

    {R}={s} {U} {R}^{\prime} {V}^{t}

      cv::Mat tp(3,1,CV_32F);
      tp.at<float>(0)=x1[i];
      tp.at<float>(1)=0;
      tp.at<float>(2)=-x3[i];
      tp*=d1-d3;
    
      cv::Mat t = U*tp;
    

    t^\prime = (d_1 + d_3) \cdot \begin{bmatrix} x_1 & 0 & x_3\end{bmatrix}^T, {t}={U} {t}^{\prime}.

    2.2 d^\prime < 0

    见论文.

    相关文章

      网友评论

          本文标题:通过单应矩阵(Homography)求解旋转和平移

          本文链接:https://www.haomeiwen.com/subject/pcgxsktx.html