摄影测量新手必看：5分钟搞懂核线影像生成原理与OpenCV实战

摄影测量新手必看：5分钟搞懂核线影像生成原理与OpenCV实战

想象一下你正用双眼观察桌上的咖啡杯——左眼看到杯柄偏右，右眼看到杯柄偏左。这种视差现象正是立体视觉的核心，而核线影像生成就是让计算机拥有"立体视力"的关键步骤。本文将用生活化案例带你理解核线约束的本质，并通过OpenCV实战演示如何用Python实现这一技术。

1. 核线约束：从双眼视差到数学表达

当你用手机拍摄建筑时，同一栋楼在不同位置的照片中会呈现不同视角。核线约束（Epipolar Constraint）描述了一个神奇现象：三维空间点在两张照片中的投影位置必然满足特定的几何关系。

核心原理：假设空间点P在第一张照片的投影是p₁，那么在第二张照片中的对应点p₂必定位于一条特殊的直线上——这条直线就是核线。就像你转动头部时，咖啡杯柄的移动轨迹会沿着特定路径。

为什么这很重要？传统匹配需要在整个图像搜索对应点，而核线约束将搜索范围从二维平面压缩到一维直线：

import numpy as np
# 模拟空间点在不同视图的投影
P = np.array([1, 2, 5])  # 三维点坐标
R = np.eye(3)            # 旋转矩阵
t = np.array([0.5, 0, 0]) # 平移向量
# 投影到第一视图
p1 = P[:2]/P[2]  
# 投影到第二视图 
p2 = (R @ P + t)[:2] / (R @ P + t)[2]