我想使用多 RGB 相机重建 3d 场景。输入数据没有相机校准信息，所以我想使用捆绑调整算法（Ceres-solver）来估计校准信息。
现在我已经获得了成对匹配的特征点，但我发现束调整算法（Ceres-solver）中的算法也需要初始相机内在和外在矩阵以及 3d 点坐标作为输入。但是，我没有这些信息，也不知道如何生成初始猜测。
我应该怎么做才能生成初始相机内在和外在矩阵和 3d 点坐标？
非常感谢！
问问题
1705 次
1 回答
2
初始参数对于帮助算法收敛到正确的局部最小值很重要，因此可以获得良好的重建。您有不同的选择来查找相机的内在函数：
- 如果您知道用于拍摄照片的相机品牌，您可以尝试在数据库中查找这些内在因素。对您来说重要的参数是 CCD 宽度和焦距 (mm)。试试这个。
- 检查图像的EXIF标签。为此，您可以使用jhead或exiftool等工具。
您基本上需要以像素为单位的焦距和镜头畸变系数。要计算以像素为单位的焦距，您可以使用下一个等式：
focus_pixels = res_x * (focal_mm / ccd_width_mm)
如果在任何情况下都找不到相机的内在参数，则可以使用以下近似值作为初始猜测：
焦点像素 = 1.2 * res_x
不要将参数设置为固定，这样焦距和畸变参数将在光束调整步骤中进行优化。
另一方面，外部参数是每个相机的R|T（旋转平移矩阵）的值，在重建和光束调整步骤中计算/优化。由于 SfM 场景中的尺度是未知的，因此第一对重建的摄像机（在交叉匹配步骤中得分较高的摄像机）是从投影在随机深度值（Z 朝向场景）上的点生成的。对于外部或 3D 点坐标，您不需要任何初始值。
于 2016-06-15T08:07:01.913 回答