Yvonne

在上一节中，我们用矩阵描述了外部参数，即物体的坐标到相机坐标的变换。同时还分析了透视投影，即成像的过程，整个过程就是从(U,V,W)->(X,Y,X)->(x,y)。这一节主要讨论如何从像平面(x,y)变换到数字图像(u,v)，即从像平面(Film Coords)到像素(Pixel Coords)。对一幅数字图像，我们可以改变它的宽高比，即作尺度变换。

今天介绍图和标定camera。首先是用到的opencv函数。后面附上源码。FindChessboardCorners 寻找棋盘图的内角点位置 int cvFindChessboardCorners( const void*image, CvSize pattern_size,CvPoint2D32f* corners,int* corner_count=NULL,int

最近看了些立体视觉方面的资料，感觉立体视觉涉及到的东西太多，且数学理论比较强，特别是几何方面的东西，下面是对这一周看关于立体视觉方面的资料的初步总结，很多知识也是懂了个概念而已，深入的话要在以后的实践过程中不断体会，其中主要是一些名词，写下来算是对自己有个小的总结：一.   射影几何知识。    包括平面射影几何和空间射影几何。射影几何只是在欧式几何中引入了无穷远元素而已，比如说无

前几章看的脑洞太大，这节来点干货。：）

这里，structure＝structure of the scene; motion = motion of camera.

总结一下：一、实际点到image点映射关系为：化简后为：其中，C为主点（principal point），一般是图像中心。s请看图3.3右，一般为0.最后，我们写成这种形式：＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝二、相机运动（motion of camera）相机运动

参考资料：http://en.wikipedia.org/wiki/ransac

上一篇，只要主要搞清楚透视的坐标变换。这一篇，

Part 1 本质矩阵本质矩阵与相机的外部参数有关，先看其定义。

原文地址：http://blog.csdn.net/connor_lele/article/details/24603841

借助几何和代数的方法来描述立体感知。先从简单的情况开始......假设两个相机的内部参数一致，如焦距、镜头等等，为了数学描述的方便，需引入坐标，由于坐标是人为引入的，因此客观世界中的事物可以处于不同的坐标系中。假设两个相机的X轴方向一致，像平面重叠，如下图所示，坐标系以左相机为准，右相机相对于左相机是简单的平移，用坐标表示为(Tx,0,0)Tx一般称为基线(base

资料来源：3D reconstruction from multiple images (Theo Moons，Maarten Vergauwen, Luc Van Gool)一、Stereo Vision深度信息感知是人类产生立体视觉的前提。生理过程一定是相当复杂，此处，我们只从物理角度，并采用数学的方法来讨论。Inferring depth from image

opencv自带的鸟瞰图略坑，先看一下，稍后研究一下其他的论文，再实现对比一下效果。#include #include #include #include #include using namespace std;void help(){ printf("Birds eye view\n\n" " ADJUST VIEW HEIGHT using keys 'u' u