机器视觉之双目三维重建之畸变矫正，图像校正和三维点计算（三）

相机标定是为了求得内外参数，为三维重建做准备。后续的一般过程还有图像畸变矫正，图像校正，立体匹配和三维点计算。因为立体匹配是三维重建中最为最为重要的一环，所以这里先不介绍，后续再开个单篇。本文先讨论一下畸变矫正，图像校正和三维点计算的原理框架。
首先是图像畸变矫正，还是和前篇一样，都是手写，这里直接上图。

畸变矫正后，可以进行图像校正。介绍图像校正之前，先证明一个简单结论，即旋转矩阵是正交阵。

因为旋转矩阵在这里经常用，所以上面穿插这么一个结论。下面咱们正式介绍图像校正。
图像校正，其目的是为了使左右图像行对齐 ，使立体匹配的时候能够更加迅速且减少误匹配。一般图像校正有标定校正和非标定校正【就是需不需要标定数据】，常用的标定校正有Bouguet算法，常用的非标定校正有Hartley算法。
首先，是Bouguet算法。

然后是Hartley算法。对于该算法，我没有详细的去了解（因为我做的时候主要是用的Bouguet），所以这里就不进行介绍了，只给出和极线校正相关的2个矩阵推导（基础矩阵和本质矩阵）和极线极点求法。当然，如果你想了解，我上传了论文原文在我的CSDN下载中，你可以去下载。）

到这里，图像校正理论框架就搭完了。立体匹配先跳过（后续开单篇），直接上三维点计算原理。（这个写的比较简单，没有多扩展）

至此，基本的理论框架就马马虎虎搭完了。相信各位也对双目立体匹配有了一个初步的理解。