Perusmatriisi on keskeinen käsite stereonäköjärjestelmissä. Se liittyy vastaaviin kohtiin kahden kuvan välillä ja on välttämätön 3D-rekonstruktiolle ja kamerakalibroinnille. Tässä artikkelissa selitetään, miten perusmatriisi saadaan tehokkaasti käyttöön.

Perusmatriisin rakentaminen

Perustava matriisi voidaan johtaa tunnettujen kirjeenvaihtojen välillä pistettä kaksi kuvaa. Se tiivistää epipolaarinen geometria, joka kuvaa suhdetta kahden kameran näkymät. Laskea se, joukko vastaavia pisteitä tarvitaan.

Käyttämällä vähintään kahdeksan pisteen kirjeenvaihtoa, normalisoitu kahdeksan pisteen algoritmi on yleisesti käytetty. Tämä edellyttää normalisointi pistettä, rakentaa matriisin kirjeenvaihdosta, ja ratkaiseminen perusmatriisin käyttäen yksittäisten arvojen hajoaminen (SVD).

Perustavanlaatuisen verkoston toteuttaminen

Toteutus alkaa keräämällä tarkkoja pistekirjeenvaihdoksia. Normalizoinnin jälkeen kahdeksan pisteen algoritmi laskee perusmatriisin alustavan arvion. Matriksi on sitten puhdistettu käyttäen tekniikoita, kuten seitsemän pisteen algoritmia tai RANSACia, jotta se voisi parantaa luotettavuutta poikkeavia tasoja vastaan.

Kun perusmatriisi on saatu, sitä voidaan käyttää löytämään epiplar-linjat ja rajoittaa hakua matching pistettä stereo kuvia. Tämä parantaa tarkkuutta 3D jälleenrakentamisen ja muiden stereonäkö tehtäviä.

Sovellukset ja käyttö

Perusmatriisia käytetään laajasti 3D-mallinnuksen, robottinavigoinnin ja lisätyn todellisuuden kaltaisissa sovelluksissa. Se toimii perustana arvioitaessa kameran liike- ja kohtausrakennetta stereokuvista.

  • Kameran kalibrointi
  • 3D-kentän rekonstruktio
  • Esineiden seuranta
  • Liike-elämän analyysi