基本矩阵的3D对应
 

在MATLAB中，我已使用归一化的[URL="http://en.wikipedia.org/wiki/Eight-point_algorithm"]八点算法[/URL]计算了（两个图像的） [URL="http://en.wikipedia.org/wiki/Fundamental_matrix_%28computer_vision%29"]基本矩阵[/URL] 。因此，我需要对3D空间中的相应图像点进行[URL="http://en.wikipedia.org/wiki/Triangulation_%28computer_vision%29"]三角剖分[/URL] 。据我了解，要做到这一点，我需要旋转和平移图像相机。最简单的方法当然是先[URL="http://www.vision.caltech.edu/bouguetj/calib_doc/"]校准相机[/URL]然后拍摄图像，但这对我的应用来说太过局限了，因为这需要额外的步骤。

这样就可以进行[URL="http://en.wikipedia.org/wiki/Camera_auto-calibration"]自动（自）摄像机校准了[/URL] 。我看到了[URL="http://en.wikipedia.org/wiki/Bundle_adjustment"]捆绑调整的内容[/URL] ，但是在[URL="http://books.google.com/books?id=jCsZ5rdwgqMC&lpg=PP1&ots=MjhMWP74VG&dq=an%20invitation%20to%203d%20vision&pg=PA167#v=onepage&q=&f=false"]3D立体幻镜中，[/URL]它似乎需要初始平移和旋转，这使我觉得需要校准的相机，或者我的理解不足。

因此，我的问题是如何自动提取旋转/平移，以便将图像点重新投影/三角剖分到3D空间中。任何MATLAB代码或伪代码都是很棒的。



[B]回答：[/B]

您可以使用基本矩阵来恢复相机矩阵，并从其图像中对3D点进行三角剖分。但是，您必须意识到，将要获得的重建将是投影重建，而不是欧几里得重建。如果您的目标是测量原始场景中的投影不变性（例如，交叉比，线相交等），但它不足以测量角度和距离（您必须为此校准相机），这将很有用。

如果您可以使用[URL="http://www.robots.ox.ac.uk/~vgg/hzbook/"]Hartley和Zisserman的教科书[/URL] ，则可以查看第9.5.3节，在其中您将找到从基本矩阵到一对照相机矩阵所需的内容，这将使您可以计算投影重建（我相信同样内容请参见《伊马书》第6.4节）。由于[URL="http://www.robots.ox.ac.uk/~vgg/hzbook/code"]本书算法[/URL]的[URL="http://www.robots.ox.ac.uk/~vgg/hzbook/code"]源代码可在线获得[/URL] ，因此您可能需要检查函数vgg_P_from_F，vgg_X_from_xP_lin和vgg_X_from_xP_nonlin。



[url=https://stackoverflow.com/questions/2189107]更多&回答...[/url]