自动驾驶与三维重建|Colmap学习三（后端Initialization部分（基础矩阵F、本质矩阵E和单应矩阵H））计算机视觉|三维重建|Colmap

算矩阵的基础知识
解析本质、基础、单应矩阵的自由度
1 寻找初始像对 1.1手动选择ID 1.2自动筛选 ①prior focal length存在情况下，开始筛选

匹配点数由小到大排序
第二张候选影像的匹配数目大于init_min_num_inliers（100）

【自动驾驶与三维重建|Colmap学习三（后端Initialization部分（基础矩阵F、本质矩阵E和单应矩阵H））】②两视图Triangulation

R和t满足启动阈值

2 基础矩阵F 2.1 F矩阵的自由度=7

从cv角度，3*3矩阵9个参数
- 因为up2scale自由度-1
- 又因为rank(F)=2自由度-1
从摄影测量角度：
- 5pose
  - 确定射线位姿）
- +2 intrinsic
  - fx和fy，通常s=0，主点坐标（cx,cy）不参与优化

2.2 求解方法（都需要归一化）：

①八点法，有唯一解，考虑噪声实际是转为：构建超定方程，最小二乘求解。
- 注意：由于会有误差，我们需要强制约束rank=2
  - 具体方法：将SVD分解的特征值最后一项（最小项）置为0再重构，代码如下：

// Enforcing the internal constraint that two singular values must non-zero // and one must be zero. Eigen::JacobiSVD fmatrix_svd( ematrix_t.transpose(), Eigen::ComputeFullU | Eigen::ComputeFullV); Eigen::Vector3d singular_values = fmatrix_svd.singularValues(); singular_values(2) = 0.0; const Eigen::Matrix3d F = fmatrix_svd.matrixU() * singular_values.asDiagonal() * fmatrix_svd.matrixV().transpose();