我有一个非常具体的应用程序，我想在其中尝试从运动中获取结构以获得 3D 表示。目前，我从运动中找到的所有软件/代码示例都是这样的：“从各个角度拍摄的固定物体以创建 3D”。这不是我的情况。
在我的例子中，摄像机在走廊中间移动并向前看。有时，相机可以看向其他方向（左、右、上、下）。相机永远不会后退或回头，它总是向前移动。由于走廊很小，几乎所有东西都可以看到（没有隐藏点）。走廊有时会很长。
我已经尝试过这个软件，但它在我的特定情况下不起作用（但在正常使用时非常棒）。有人可以向我推荐一个可以针对我的特定需求的库/软件/工具/论文吗？或者你是否曾经需要实现类似的东西？欢迎任何帮助！
谢谢！
您在谈论什么样的走廊，您的目标是什么样的精度？
先验，我不明白为什么你的走廊不是从不同角度拍摄的固定物体。如果您只向前看并且无法获得许多不同的场景视图，那么您的重建质量可能会受到影响，但标准方法应该仍然有效。您确定您使用的程序不会因为您的图片质量、排列或其他原因而失败吗？
如果您必须自己进行重建，我会从
1) 校准您的相机
2) 不扭曲您的图像
3) 匹配后续图像对中的特征点
4) 为每个图像对提取 3D 点云
然后，您可以将点云相对于彼此定向，例如通过两个后续云之间的ICP 。如果您的数据集中没有任何闭环（因为您的相机只是向前移动），更复杂的方法可能不会产生太大差异。
OpenCV 和点云库应该是这些步骤所需的一切。可视化可能更麻烦，但漂亮的图片毕竟是你在商业软件中付出的代价。
编辑（2017/8）：我还没有在此期间工作，但我觉得这个答案缺少一些部分。如果我今天必须回答这个问题，我肯定会建议研究关键词单眼 SLAM，它最近出现了很多活动，尤其是因为带有摄像头的无人机。值得注意的是，LSD-SLAM是开源的，可能不像它直接在强度上运行那样容易受到特征剥夺视图的影响。甚至似乎有将惯性/里程计传感器与图像匹配算法相结合的方法。
祝你好运！
FvD 是正确的，因为您的走廊是一个静态对象。您的场景是相同的，并且四处移动和对象并从多个视图中获取图像。您的视图只是没有安排来提供对象的 360 度视图。
我看到您在之前的评论中提到数据来自视频？在这种情况下，问题很可能是相机校准。相机校准告诉 SfM 算法有关相机的内部参数（焦距、主点、镜头畸变等）。在没有这些知识的情况下，VSfM 中的捆绑器使用来自图像的 EXIF 数据的信息。但是，我不认为视频存储任何 EXIF 信息（不是 100% 肯定）。结果，我认为整个算法在焦距信息不佳的情况下运行，无法解决方向问题。
能不能从视频中提取几帧，看看有没有EXIF信息？