1

我正在尝试从几对两个视点计算 3D 坐标。
首先，我使用 matlab 函数estimateFundamentalMatrix()来获取F匹配点（数字 > 8），即： 

F1 =[-0.000000221102386   0.000000127212463  -0.003908602702784
     -0.000000703461004  -0.000000008125894  -0.010618266198273
      0.003811584026121   0.012887141181108   0.999845683961494]

我的相机——拍了这两张照片——用内在矩阵进行了预校准： 

K = [12636.6659110566, 0, 2541.60550098958
     0, 12643.3249022486, 1952.06628069233
     0, 0, 1]

然后，根据这些信息，我使用以下方法计算了基本矩阵： 

E = K'*F*K

通过SVD的方法，我终于得到了射影变换矩阵： 

P1 = K*[ I | 0 ]

和 

P2 = K*[ R | t ]

地点R和地点t：

R = [ 0.657061402787646 -0.419110137500056  -0.626591577992727
     -0.352566614260743 -0.905543541110692   0.235982367268031
     -0.666308558758964  0.0658603659069099 -0.742761951588233]

t = [-0.940150699101422
      0.320030970080146
      0.117033504470591]

我知道应该有 4 种可能的解决方案，但是，我计算的 3D 坐标似乎不正确。
我用相机拍摄了带有标记点的平面物体的照片。我手动匹配了点（这意味着关于原材料不应该存在明显的错误）。但结果证明是一个带有一点条纹的表面。
我想这可能是因为图片没有处理失真（但实际上我记得我做过）。

我只是想知道这种方法能否解决3D重建问题对吗？特别是当我们已经知道相机内在矩阵时。

由 JCraft 在 8 月 4 日编辑：我已经重做了这个过程并得到了一些显示问题的图片，我将写另一个详细的问题，然后发布链接。

由 JCraft 在 8 月 4 日编辑：我发布了一个新问题：Calibrated camera get matching points for 3D rebuild, Ideal test failed。@Schorsch 非常感谢您帮助格式化我的问题。我将尝试学习如何在 SO 中进行输入，并尝试提高我的语法。谢谢！

4

2 回答 2

0

如果您只有基本矩阵和内在函数，则只能按比例进行重建。那就是您的平移向量 t 在某些未知单位中。您可以通过多种方式获得真实单位的 3D 点：

  • 您需要在世界上有一些参考点，它们之间的距离已知。通过这种方式，您可以以未知单位计算它们的坐标并计算比例因子以将未知单位转换为实际单位。
  • 您需要了解每个相机相对于公共坐标系的外在因素。例如，您可以在场景中的某处有一个棋盘校准模式，您可以从中检测和计算外在因素。请参阅此示例。顺便说一句，如果您知道外在因素，则可以直接计算基本矩阵和相机投影矩阵，而无需匹配点。
  • 您可以进行立体校准以估计相机之间的 R 和 t，这也将为您提供基本矩阵和基本矩阵。请参阅此示例。
于 2014-07-31T14:05:13.373 回答
0

平面物体是关键表面，不可能通过它们实现您的目标。尝试在飞机外添加两个（或更多）点（如果仍然感兴趣，请参阅 Hartley 和 Zisserman 或其他关于此事的文字）

于 2017-03-29T11:41:25.490 回答