苦苦寻求3D重建的步骤（Matlab）

Question

我们被要求进行3D重建（博士硕士课程），我把头发拉出来。我不确定我是否错过任何步骤，或者我是否错误地做错了。我试图谷歌代码，并用我的功能替换他们的功能，只是为了看看我是否可以从中得到正确的结果，我无法做到。

我只是完成了我到目前为止所做的步骤，我希望你们中的一个能告诉我，我错过了一些明显的事情：

图片我正在使用：http://imgur.com/a/UbshI

• 加载校准左右图像，点击相应的点以获得P1和P2

• 使用RQ分解获得K1＆amp; K2（以及R1，R2，t1，t2，但我似乎没有在任何地方使用它们。最初我尝试做R = R1 * R2＆＃39;，t = t2-t1设置P1后创建我的新P2是规范的（I | 0），但那也不起作用。

• 将P1设置为规范（I | 0）

• 使用RANSAC计算基本矩阵F和对应点im1，im2。

• 获取点上的像素颜色

• 通过做K2＆＃39;获得基本矩阵E. * F * K1

• 从E中获取4个不同的投影矩阵，然后选择正确的

• 使用P1，P2，im1，im2进行三角测量匹配以获得3D点

• 使用散点图绘制3D点，为其提供该点像素的RGB值。

• 我的结果令人不满意：

  

目前，由于我没有得到任何地方，我想选择最简单的方案并继续努力。仅供参考，我使用的是matlab。如果有人有任何提示，我真的很想听到他们的意见。

Answer 1

原来是一个奇怪的原因，为什么它不起作用。我使用的是matlab detectSURFFeatures，它提供了不准确的匹配对。我从来没有认为这是错的，但我的一个同学也有同样的问题。我把它更改为使用detectEigenMinFeatures代替，它工作正常！现在这是我的结果，它并不完美，但它更好，更好：

Answer 2

如果您已经有P1和P2，那么您可以简单地对两个图像中的匹配点对进行三角测量。没有必要估计基本矩阵。

如果你只有内在函数（单个摄像头的K，或两个不同摄像头的K1和K2），那么你的方法是有效的：

1. 估算基本矩阵
2. 获取基本矩阵
3. 将E分解为R和t
4. 将P1设置为规范，并从K，R和t计算P2。
5. 使用P1和P2对匹配点进行三角测量。

此方法在计算机视觉系统工具箱中的example中进行了说明。

在任何一种情况下，您都应该仔细检查您的代码，并确保所有矩阵都有意义。 MATLAB的惯例是将行向量乘以矩阵，而许多教科书将矩阵乘以列向量。所以矩阵可能需要转换。

在此之前，使用showMatchedFeatures绘制您的点数匹配，以确保它们有意义。