我有一个校准过的相机(已知的内在参数,即已知相机矩阵K,以及失真系数)。
我想重建相机的 3d 轨迹。没有关于场景的先验知识。
通过呈现两个在同一场景上看起来的图像并从中提取两组对应的匹配特征点(SIFT、SURF、ORB 等)来简化问题。我的问题是如何计算相机外部参数(即旋转矩阵R 和平移向量 t ) 到视点之间?
我已经设法计算了基本矩阵,并且由于 K 是已知的,所以基本矩阵也是如此。使用David Nister 对五点相对姿势问题的有效解决方案,我设法得到了 4 个可能的解决方案,但是:
对基本矩阵 E ~ U * diag (s,s,0) * V' 的约束并不总是适用 - 导致不正确的结果。[编辑]:取平均奇异值似乎可以纠正结果:) 下降
我怎么知道这四个中哪一个是正确的?
谢谢