视觉SLAM/VIO开源代码解析课程学习总结笔记3

CH1：ORB_SLAM2

第一节：基本框架与预备知识

知识点1：知识点1：求解相机位姿篇（3）

通过已经有的匹配好的特征点求解旋转矩阵R,平移向量t,缩放因子s

1.3给定的匹配特征点是2D-2D时——Fundamental法/Homography法

1.3.1:方法一：Fundamental法

直观理解：就是通过（两个相机坐标之间的旋转平移关系+相片上面匹配好的特征点与所对应的实体3D点形成的共平面关系）推算出一个几何约束的式子;有了这个式子后再给定一定数量的匹配好的特征点的具体数据经过一系列的求解最后得到几何约束式子中待求解的旋转R，平移t这几个参数。

具体步骤：

1.准备工作

• 模型建立：根据相机与相机之间的关系，特征点对与之间的投影共面关系得到几何约束的式子（由于公式打起来太麻烦lia,下面过程放图）
  
  
• 给定数据：匹配好的特征点的具体数值{u,u’}

2.求解工作
求解流程：
约束u’Fu=0代入数据{u,u’} —>F
F=((K’)^(-T))E(K^(-1)),K为相机内参信息—>E
E=R·[t]x—>求解出4种可能的R，t结果


3.解算出的四种R，t结果选择与判断工作
根据4种可能的R，t结果与{u,u’}回带求解出对应的3D点：
将回带解算出的3D点位置与相机位置对比，位置在两台相机前方的即为正确的那组 R，t（这步是为了对四个结果进行选择）
将回带解算出的3D点位置与相机位置所构成的视差角进行判断，若太小则证明本身求解出这个结果的匹配点数据就不太好，把它剔除掉

以上三步，求解R，t完成啦，这就是Fundamental同学干的事情，最后总结一下就是通过几何关系把待求解量R,t放在了F矩阵中,再一步一步反着求解出R,t即可。