我有一个计算机视觉问题重建：
我使用未校准的相机拍摄了多个视图（据我所知，fx = fy = f, s=0并且参数不变）
我可以从不同的角度匹配的点都在一个共同的平面上。我还可以从场景中匹配 4 条不同的线（比如说L1,L2,L3,L4）
这样：L1 与 L2 平行，L3 与 L4 平行，L1 与 L3（和 L4）正交...
我有足够的视图（9）和足够的点（6 没有 4 行的角）。
我想使用我写的所有信息来减少噪音，并且我被要求用标准化图像（我不知道这意味着什么）计算所有内容以减少数值错误。
还给出了两个匹配点之间的距离。
需要：重构场景（全部6个3D点），重构相机内参（ux，vx，f），重构图像的相机位置。
所以。
我研究了8Point 算法，但该算法（如果我理解得很好）它只适用于两个视图，而且更多的是，它不适用于平面上的点。
我研究了4Point 算法，它是为放置在同一平面上的点而设计的，但它只需要两个视图（我想使用所有视图）并且不涉及线。然后另一个问题是我不明白如何从 P 重建 R 和 T（如果我很好地理解重建相机的位置，这是基本的）。
我研究了一个迭代模型，你可以在这篇论文中找到：
但我无法（我什至不知道它是什么）在 matlab 中执行 4 级分解。
我当然不会要求你给我一个详细的问题解决方案，显然，但我当然想了解至少我应该采取哪种方式以正确的方式解决我的问题，然后我可以谷歌更多，我可以学习更多。
我感谢大家的时间