通过 Fundamental Matrix 求 Essential Matrix

方法1：使用公式, 在F已经知道条件下，K1,K2为两幅图像对应的相机的内参；

方法2：设，xi表示归一化了的一图像点坐标，则求解E的公式变成了，这个公式类似Fundamental Matrix的求解公式了，这时就可以使用求解F的方法来求解E：进行SVD、加上矩阵rank等于2的约束(第三个特征值等于0)；同时E还有一个限制条件，即另外两个特征值要相等，所以下图做了变换。

-----------------------------------------------------------

-----------------------------------------------------------

• 本质矩阵E可通过5组对应点求解（5点法，因为E=R[t]x ,R旋转矩阵有3个自由度，t有2个自由度（因为从 two views不能得到物体的尺度scale的），所以5个自由度至少需要5个点）；
• 5点算法相比8点算法的好处是：不会退化（即，即使5个点在同一个平面上的情况，也是可以通过这5个点初始化求解E）

-----------------------------------------------------------

-----------------------------------------------------------

为什么要求解 Essential Matrix？

因为有了E，就可以分解（decompose）出来二视图下的两个相机矩阵（外参）；

从这两个相机矩阵，就可以得到两个相机的相对运动。