《计算机视觉中的多视图几何》笔记（13）
13 Scene planes and homographies
本章主要讲述两个摄像机和一个世界平面之间的射影几何关系。
我们假设空间有一平面 π \pi π，平面上的一点为 x π x_{\pi} xπ。 x π x_{\pi} xπ分别在两幅图像 P , P ′ P, P' P,P′上形成了 x , x ′ x, x' x,x′。
那么我们可以从两个方面来讨论：首先，从对极几何的角度来说， x x x在 P ′ P' P′上决定了一条直线，也就是极线。极线是由 x x x出发的射线在 P ′ P' P′上投影形成的。第二，从homography角度来说， x x x可以在 P ′ P' P′上唯一确定一个点，因为从 x x x出发的射线和空间平面 π \pi π的交点可以求出来，也就是 x π x_{\pi} xπ，知道了 x π x_{\pi} xπ自然可以唯一确定 x ′ x' x′。
文章目录
- 13 Scene planes and homographies
-
- 13.1 Homographies given the plane and vice versa
-
- 13.1.1 Homographies compatible with epipolar geometry
- 13.2 Plane induced homographies given F F F and image correspondences
-
- 13.2.1 Three points
- 13.2.2 A point and line
- 13.3 Computing F F F given the homography induced by a plane
- 13.4 The infinite homography H ∞ H_{\infin} H∞
13.1 Homographies given the plane and vice versa
现在我们来讨论一下单应性与平面之间的关系。空间内任意的一个平面可以唯一确定单应性，反之亦然。需要注意的是，空间内的平面不可以包括摄像机的光心，如果包括了光心，单应性就变成了退化的情况。
我们首先给出一个结论：
假设两个摄像机的投影矩阵分别是 P = [ I ∣ 0 ] , P ′ = [ A ∣ a ] P=[I|0],P'=[A|a] P=[I∣0],P′=[A∣a]，空间内的平面表示为 π T X = 0 , π = ( V T , 1 ) \pi^T X = 0, \pi=(V^T, 1) πTX=0,π=(VT,1)，由该平面确定的单应性就是 x ′ = H x x'=Hx x′=Hx，并且 H = A − a v T H = A-av^T H=A−avT。
13.1.1 Homographies compatible with epipolar geometry
单应性与对极几何的关系。假设我们从空间平面上随机选择4个点，把他们投影到两幅图像，就会形成4对对应点。这4对对应点就确定了一个单应性矩阵 H H H。而且这4对对应点是满足对极几何约束的，i.e. x ′ T F x = 0 x'^T F x = 0 x′TFx=0。这种情况叫对极几何与单应性是相容（consistent or compatible）的。
假设我们从第一幅图像中随机选择四个点，第二幅图像也随机选四个点，可以利用它们计算出一个单应性矩阵，不一定能满足对极几何的约束，这种情况叫对极几何与单应性不相容。
现在我们考虑相容的情况。那么对应点之间可以表示为 x ↔ H x x \leftrightarrow Hx x↔Hx，带入对极几何的关系式，我们就得到 ( H x ) T F x = x T H T F x = 0 (Hx)^T F x = x^T H^T Fx = 0 (Hx)TFx=xTHTFx=0。
根据此式我们可以得出一个结论：
单应性矩阵 H H H与基本矩阵 F F F相容当且仅当 H T F H^T F HTF是一个斜对称矩阵（skew-symmetric），我们将其表达为： H T F + F T H = 0 H^T F + F^T H =0 HTF+FTH=0， H H H的自由度是8-5=3。
由于以上关系是一个隐性的约束，我们接下来给出一个显式表达式。
结论 13.3
给出由两幅图像确定的基本矩阵 F F F，其对应的单应性矩阵 H H H可以表示为 H = A − e ′ V T H=A-e'V^T H=A−e′VT F = [ e ′ ] × A F=[e']_\times A F=[e′]×A。
引理 13.4
一个变换 H H H是两幅图像的单应矩阵当且仅当这两幅图像确定的 F F F可以分解成 [ e ′ ] × H [e']_\times H [e′]×H， e ′ e' e′是第二幅图像的极点。
根据以上介绍，我们知道单应性矩阵 H H H是由空间内某一平面 π \pi π确定的，那么在已知 H H H的情况下，我们如何求出平面 π \pi π？求解方程组 λ H = A − a v T \lambda H=A-av^T λH=A−avT就行。
13.2 Plane induced homographies given F F F and image correspondences
从基本矩阵和图像对应点来计算单应性矩阵。在前文我们是利用空间中的平面来计算单应性矩阵，在本节中我们直接从两幅图像中的对应元素来计算单应性矩阵。这是因为三维空间的平面可以用三个不共线的点来计算，或者用一条直线和一个点。这些元素都可以直接从两幅图中的对应元素推导出来。对应元素应该满足一些性质：
- 对应元素要满足对极几何的约束
- 三维空间中的元素会出现退化的情况，这是因为元素之间共面或者共线
我们首先讨论从三个对应点来计算单应性矩阵的情况。
13.2.1 Three points
假设我们知道空间中的三个点 X i X_i Xi在两幅图像上形成的投影，并且我们已知基本矩阵 F F F，我们可以这样计算单应矩阵 H H H：
首先空间点 X i X_i Xi的坐标可以计算出来（12章的三角化），知道了三个点的位置，那么它们所在的平面就可以被计算出来（3.3-P66），已知平面就可以根据13.1节的方法来计算 H H H，这种方法叫显式法。
其次，我们也可以用四个点来计算 H H H，第四个点就是极点。所以我们可以有这样的方程组： x ′ = H x , e ′ = H e x'=Hx, e'=He x′=Hx,e′=He，这种方法叫隐式法。
那么这两种方法有啥区别？我们应该用哪一种？答案是我们应该用显示法，因为隐式法包含了退化的情况。为什么呢？因为如果有两个点和极点共线，那么 H H H就算不出来了，参见4.1.3 P91。同时，如果点和极点几乎共线，那么隐式法会给出一个非常差的结果，但是显式法没有这个问题，它可以处理点和极点共线的情况。
我们下面来形式化的表示一下。
结论13.6 给定一个基本矩阵 F F F和三对对应点 x i ↔ x i ′ x_i \leftrightarrow x'_i xi↔xi′，由这三对点所在平面构成的 H H H可以表达为： H = A − e ′ ( M − 1 b ) T H=A-e'(M^{-1}b)^T H=A−e′(M−1b)T。
A = [ e ′ ] × F A=[e']_\times F A=[e′]×F b b b是一个三维向量，每一维可以表达成：
b i = ( x i ′ × ( A x i ) ) T ( x i ′ × e ′ ) / ∣ ∣ x i ′ × e ′ ∣ ∣ 2 b_i = (x'_i \times (Ax_i))^T (x'_i \times e')/||x'_i \times e'||^2 bi=(xi′×(Axi))T(xi′×e′)/∣∣xi′×e′∣∣2
M M M是 3 × 3 3 \times 3 3×3的矩阵, 每一行是 x i T x_i^T xiT。
一致性条件 每一对对应点都会对 H H H增加一个约束，该约束可以表达为： e ′ × x i ′ = e ′ × A x i = F x i e' \times x'_i = e' \times Ax_i = Fx_i e′×xi′=e′×Axi=Fxi，这个等式左边 e ′ × x i ′ e' \times x'_i e′×xi′的几何意义是通过 x i ′ x'_i xi′的极线，右边 F x i F x_i Fxi就是 x i x_i xi在第二幅图像中的极线。所以整个式子的意思就是 x i ′ x'_i xi′在 x i x_i xi对应的极线上。
存在噪声的情况 一般情况下图像中都包含噪声，那么我们就用迭代的方法来优化 x , x ′ x,x' x,x′的位置（12.1节P318），然后用12.6节的极大似然估计来求3D空间点的坐标和 H H H。
13.2.2 A point and line
点和线来估计 H H H。本节先将线对应关系，再讲点对应关系。
线对应 两幅图像中的对应线确定了三维空间中的一条对应线。三维空间中的线位于一族平面上（不是一个平面）。这一族平面对应于一族 H H H。
结论 13.7 由一对对应直线 l ↔ l ′ l \leftrightarrow l' l↔l′ 确定的一族平面对应了一族单应性矩阵 H H H，它可以表达为
H ( μ ) = [ l ′ ] × F + μ e ′ l T H(\mu) = [l']_{\times} F + \mu e'l^T H(μ)=[l′]×F+μe′lT
从这个式子我们可以看出， H H H只取决于 μ \mu μ这一个参数。我们回忆一下13.1节， H H H同样有一个表达式，该表达式是在已知两个摄像机矩阵 P = K [ I ∣ 0 ] , P ′ = K ′ [ R ∣ t ] P=K[I|0],P'=K'[R|t] P=K[I∣0],P′=K′[R∣t] 和空间平面 π = ( n T , d ) T \pi=(n^T,d)^T π=(nT,d)T的情况下给出的。
H = K ′ ( R − t n T / d ) K − 1 H=K'(R-tn^T/d)K^{-1} H=K′(R−tnT/d)K−1
这个式子由三个参数决定，因为 n T n^T nT是一个三维向量。对比上文的两个式子，我们可以看出由直线确定的 H H H只需要一个参数，由平面确定的 H H H需要三个参数，也就是说直线将参数的维度从3压缩到了1。
线和点的对应 从上文我们知道线对应关系可以确定 H ( μ ) H(\mu) H(μ)，那么怎么确定 μ \mu μ的取值呢？我们用点对应 x ↔ x ′ x \leftrightarrow x' x↔x′ 来确定。
结论13.8 已知 F F F和一对对应点 x ↔ x ′ x \leftrightarrow x' x↔x′，一对对应线 l ↔ l ′ l \leftrightarrow l' l↔l′， H H H可以表达为如下式子：
H = [ l ′ ] × F + ( x ′ × e ′ ) T ( x ′ × ( ( F x ) × l ′ ) ) ∣ ∣ x ′ × e ′ ∣ ∣ 2 ( l T x ) e ′ l T H=[l']_{\times} F + \frac{(x' \times e')^T(x' \times ((Fx) \times l'))} {||x' \times e'||^2 (l^Tx)} e'l^T H=[l′]×F+∣∣x′×e′∣∣2(lTx)(x′×e′)T(x′×((Fx)×l′))e′lT
应用这个公式的前提是 x , x ′ x, x' x,x′得满足对极几何约束，那么在有噪声的情况下，我们首先就得用算法12.1（P318）先优化一下。
H ( μ ) H(\mu) H(μ)的几何解释
H ( μ ) H(\mu) H(μ)首先满足 x = H ( μ ) x ′ x=H(\mu)x' x=H(μ)x′。我们将 H ( μ ) H(\mu) H(μ)的表达式带入，可以得到：
x ′ = H ( μ ) x = ( [ l ′ ] × F + μ e ′ l T ) x = [ l ′ ] × F x x'=H(\mu)x = ([l']_{\times} F + \mu e'l^T)x = [l']_{\times}Fx x′=H(μ)x=([l′]×F+μe′lT)x=[l′]×Fx
最后得到的结果跟 μ \mu μ没关系，只和 F F F有关系。所以我们说对极几何为 l ↔ l ′ l \leftrightarrow l' l↔l′上的每一点都确定了对应关系。这个结论很显然。因为 F F F本来就是描述两幅图像上点对应关系的，只不过现在的点都在 l , l ′ l, l' l,l′上了。
退化的单应矩阵 如果说三维空间中的平面包括了摄像机的光心，那么 H H H就属于退化的情况。在退化情况下 H H H就不是满秩矩阵，如果 r a n k ( H ) = 2 rank(H)=2 rank(H)=2， H H H投影结果就是一条直线。 r a n k ( H ) = 1 rank(H) = 1 rank(H)=1， H H H投影结果就是一个点。如果我们从 H ( μ ) H(\mu) H(μ)的情况考虑，那么退化就可以表达成 μ → inf \mu \rightarrow \inf μ→inf或者 μ → 0 \mu \rightarrow 0 μ→0。
13.3 Computing F F F given the homography induced by a plane
我们讨论如何在已知 H H H的情况下求解 F F F。前几章我们讲述的是已知 F F F，怎么求解 H H H。现在我们反过来，求已知 H H H的情况下，如何求解 F F F。
主要思路就是构造一个平面 π \pi π， X X X不在 π \pi π上。那么 x x x和 π \pi π有一个交点 x π x_{\pi} xπ，该交点向 P ′ P' P′投影，得到 x ~ ′ \tilde{x}' x~′。 x ~ ′ \tilde{x}' x~′肯定和 x ′ x' x′不一样，除非 X X X在 π \pi π上。那么我们用 x ~ ′ , x ′ \tilde{x}', x' x~′,x′做叉乘，得到的线段肯定过极点 e ′ e' e′，再找另外一个 x ~ ′ \tilde{x}' x~′，重复一遍，就得到第二条过极点 e ′ e' e′的极线，两个极线交点就是极点 e ′ e' e′，知道了 e ′ e' e′，就可以用 [ e ′ ] × H = F [e']_{\times} H =F [e′]×H=F求出 F F F。
所以最简单的办法就是找出6对对应点，其中有4对共面的。用这4对点来计算 H H H （求解方程组 x i ′ = H x i x'_i=Hx_i xi′=Hxi），然后用 x 5 , x 6 x_5,x_6 x5,x6求出两条直线 ( H x 5 ) × x 5 ′ (Hx_5) \times x'_5 (Hx5)×x5′， ( H x 6 ) × x 6 ′ (Hx_6) \times x'_6 (Hx6)×x6′，两个直线做叉乘就是极点 e ′ e' e′, 所以 F = [ e ′ ] × H F=[e']_{\times} H F=[e′]×H。
投影点的深度
一个世界平面内的点 X = ( x T , ρ ) T X=(x^T,\rho)^T X=(xT,ρ)T投影在第一幅图像上形成了 x x x，第二幅图像上形成了 x ′ = H x + ρ e ′ x'=Hx+\rho e' x′=Hx+ρe′，根据上一节的模型，我们知道 x ′ , e ′ H x x', e' Hx x′,e′Hx三点共线。 ρ \rho ρ可以被看做偏离 H H H相对程度的一个指标，那么它就可以被认为是 X X X与平面 π \pi π之间的距离。 ρ = 0 \rho=0 ρ=0表明 X X X在平面 π \pi π上 ρ \rho ρ的符号就可以表明 X X X位于平面的哪一边。
两个平面求F
假设我们知道两个平面 π 1 , π 2 \pi_1,\pi_2 π1,π2，那么他们确定两个单应矩阵 H 1 , H 2 H_1,H_2 H1,H2。这两个单应矩阵足以确定 F F F，其实他们是超定了。我们可以构造一个矩阵 H = H 2 H 1 H=H_2 H_1 H=H2H1，这是第一幅图像到自己的映射。那么极点 e e e在 H H H的映射下是不变的。那么 F = [ e ′ ] × H i , i = 1 , 2 , e ′ = H i e F=[e']_{\times} H_i, i=1,2, e'=H_ie F=[e′]×Hi,i=1,2,e′=Hie， H H H的另外一个性质是有相同的两个特征值。因为 H 1 , H 2 H_1,H_2 H1,H2在空间中会相交，然后形成一条直线。这个直线往第一幅图像中投影，得到的投影直线在 H H H的映射下是不变的。所以这个 H H H有一条固定的直线，还有一个固定点也就是极点 e e e。
13.4 The infinite homography H ∞ H_{\infin} H∞
无穷远处的单应矩阵。
定义 13.10 H ∞ H_{\infty} H∞ 是由无穷远处平面 π ∞ \pi_{\infty} π∞定义的单应矩阵。
我们回忆参数化的 H H H表达式 H = K ′ ( R − t n T / d ) K − 1 H=K'(R-tn^T/d)K^{-1} H=K′(R−tnT/d)K−1（由三个参数确定），那么
H ∞ = lim d → ∞ H = K ′ R K − 1 H_{\infty} = \lim_{d \to \infty} H = K'RK^{-1} H∞=d→∞limH=K′RK−1
由上式可以看出 H ∞ H_{\infty} H∞ 并不依赖于图像之间的平移，只和旋转、内参有关系。
如果我们考虑两幅图之间对应的点，我们可以由下式：
x ′ = K ′ R K − 1 + K ′ t / Z = H ∞ x + K ′ t / Z x'=K'RK^{-1} + K't/Z = H_{\infty} x + K't/Z x′=K′RK−1+K′t/Z=H∞x+K′t/Z
Z Z Z就是点相对于第一幅图像的深度。从上式中我们可以看出无穷远处的点( z = ∞ z=\infty z=∞)是由 H ∞ H_{\infty} H∞映射到图像上的。如果平移 t t t是零，那么我们就可以得到 H ∞ H_{\infty} H∞，这相当与摄像机绕自己光心进行旋转。所以如果摄像机绕自己光心进行旋转，那么 H ∞ H_{\infty} H∞就是关于图像上任意深度点的一个单应矩阵。
如果我们考虑到 e ′ = K ′ t e'=K't e′=K′t那么 x ′ = H ∞ x + e ′ / z x'=H_{\infty}x+e'/z x′=H∞x+e′/z，我们对比书中式13.9
x ′ = H x + ρ e ′ x'=Hx+\rho e' x′=Hx+ρe′可以看出来 1 / z 1/z 1/z就相当于 ρ \rho ρ，所以说逆深度可以解释为点相对于无穷远平面 π ∞ \pi_{\infty} π∞的距离。
消失点和消失线
无穷远处平面上的点是由 H ∞ H_{\infty} H∞映射到图像上的，这些点就是消失点。所以 H ∞ H_{\infty} H∞在两幅图像中的消失点 v ′ , v v', v v′,v之间建立了映射 v ′ = H v v'=Hv v′=Hv，所以 H ∞ H_{\infty} H∞可以由三个不共线的消失点计算，也可以由对应的消失线计算（13.2.2节）。
仿射重建和度量重建
回忆chapter 10，知道了无穷远平面 π ∞ \pi_{\infty} π∞可以把投影重建升级成度量重建。 H ∞ H_{\infty} H∞会出现在重建过程中，因为我们如果指定 P = [ I ∣ 0 ] , P ′ = [ H ∞ ∣ λ e ′ ] P=[I|0],P'=[H_{\infty}|\lambda e'] P=[I∣0],P′=[H∞∣λe′]，重建过程就是仿射重建。
假设我们规定 π ∞ \pi_{\infty} π∞的坐标是 ( 0 , 0 , 0 , 1 ) (0,0,0,1) (0,0,0,1)， H ∞ H_{\infty} H∞可以直接从摄像机矩阵中来决定。我们假设 P = [ M ∣ 0 ] , P ′ = [ M ′ ∣ t ] P=[M|0], P'=[M'|t] P=[M∣0],P′=[M′∣t]，那么无穷远平面上的一点 X = ( x ∞ T , 0 ) T X=(x^T_{\infty},0)^T X=(x∞T,0)T就会被映射到 x = P X = M x ∞ , x ′ = P ′ X = M ′ x ∞ x=PX=Mx_{\infty}, x'=P'X=M'x_{\infty} x=PX=Mx∞,x′=P′X=M′x∞，所以 x ′ = M ′ M − 1 x'=M'M^{-1} x′=M′M−1, 那么 H i n f t y = M ′ M − 1 H_{infty} = M'M^{-1} Hinfty=M′M−1。
H ∞ H_{\infty} H∞还可以被用来进行两个相机之间的标定。假设 π ∞ \pi_{\infty} π∞上的绝对圆 Ω ∞ \Omega_{\infty} Ω∞映射在两个图像上，分别表示为 ω , ω ′ \omega, \omega' ω,ω′，他们之间存在如下关系： ω ′ = H ∞ − T ω H ∞ − 1 \omega'=H_{\infty}^{-T} \omega H_{\infty}^{-1} ω′=H∞−TωH∞−1，那么我们如果知道 ω \omega ω，就可以计算 ω ′ \omega' ω′，然后分解它，就知道了第二个相机的内参。
立体匹配
H ∞ H_{\infty} H∞还可以用来缩小立体匹配时极线搜索的范围。因为 x x x和无穷远平面由一个交点，记为 X ∞ X_{\infty} X∞，它往图像二上投影，得到 x ∞ ′ x'_{\infty} x∞′，那么与 x x x匹配的 x ′ x' x′肯定位于 e ′ e' e′与 x ∞ ′ x'_{\infty} x∞′ 之间，所以我们不用搜索整个极线。