Je m'interrogeais sur le même problème. Du point de vue algébrique, la rectification de l'image est obtenue en appliquant des transformations projectives 2D (ou homographies) sur une paire d'images dont la géométrie épipolaire est connue pour que les lignes épipolaires des cartes originales soient alignées horizontalement dans les images transformées. Donc StereoRectify est le processus par lequel deux images de la même scène solide subissent des transformations homographiques, de sorte que leurs lignes épipolaires correspondantes coïncident et deviennent parallèles à l'axe des x de l'image. Il devrait toujours y avoir Rotation et Translation qui peuvent autoriser le processus de rectification, mais en raison des degrés de liberté redondants, la solution à la stéréo-rectification n'est pas unique et peut entraîner des distorsions indésirables ou être bloquée dans un minimum local de la distorsion.
J'ai tested a stereo platform avec deux caméras et j'ai utilisé des poses différentes (R et T). Lorsque j'ai obtenu de bons paramètres d'étalonnage, j'ai toujours pu trouver de bonnes images de rectification. La taille des images de sortie dépend fortement du chevauchement de la vue des caméras et des paramètres de distorsion. Cependant, il devrait limiter le domaine de recherche pour chaque match à une ligne parallèle à l'axe des x, mais dans la pratique, il était parfois même quelques lignes.
Certains articles intéressants:
- Computing rectifying homographies for stereo vision
- Essential and fundamental matrices, their computation, RANSAC algorithm, rectication
- Epipolar rectification
- Image Rectification (Stereo)