本質矩陣

本質矩陣（essential matrix）是基礎矩陣的「已校正版」兄弟。當你已經知道每台相機的內部參數（焦距、主點），就能把它們剝除，改用射線而非像素來運算——也就是從相機中心量起的三維方向。在這些正規化座標下，對極約束變成 x' 的轉置乘以 E 再乘以 x 等於零，此時 x 與 x' 是已校正的射線方向，而非原始像素。兩矩陣之間的關係是精確的：E 等於第二台相機內參矩陣的轉置，乘以 F，再乘以第一台相機的內參矩陣。

E 的特別之處在於它能乾淨地分解成你真正想要的兩樣東西：相機之間的相對旋轉與平移。具體而言，E 等於平移向量的外積矩陣乘以旋轉矩陣——簡記為 E = [t]× R。外積矩陣 [t]× 是把「與 t 做外積」化為乘法的那個 3×3 矩陣。由於這個結構，E 只有 5 個自由度（旋轉 3 個、平移方向 2 個——平移的長度無法僅從影像回復，這就是著名的全域尺度不確定性）。

要把 E 轉成位姿，你對它做奇異值分解（SVD），再讀出旋轉與平移方向。代數會給出四個候選解——兩個可能的旋轉與兩個可能的平移正負號配對——它們都滿足對極方程式，卻對應到不同的實體配置（相機面對面、鏡像等等）。你用 cheirality（朝向性）檢查來消除歧義：在每個候選解下三角化幾個匹配點，保留那個把點放在兩台相機「前方」而非後方的唯一解。最小估計器是 Nister 的五點演算法，僅用五組對應點就能回復 E，是運動回復結構與視覺 SLAM 前端中 RANSAC 內的主力。

概念上，基礎矩陣說「這兩個像素可能是一對」，而本質矩陣說「而且這就是讓它們成為一對的實際旋轉與平移方向」。E 是從原始影像幾何通往「（差一個尺度的）度量重建相機如何移動」的橋樑。