我有一个非常具体的应用程序，我想尝试从动作结构来获得3D表示。目前，我从运动结构中找到的所有软件/代码样本都是这样的：“从各个角度拍摄的固定物体，以创建3D”。这不是我的情况。
在我的情况下，相机正在走廊中间移动并向前看。有时，相机可以向其他方向看（左，右，上，下）。相机永远不会回头或回头看，它总是向前移动。由于走廊很小，几乎所有东西都是可见的（没有隐藏的地方）。走廊有时会很长。
我已经尝试了这个software并且它在我的特定情况下不起作用（但它在正常使用时非常棒）。有没有人可以建议我一个可以满足我特定需求的图书馆/软件/工具/论文？或者你有没有需要实现这样的东西？欢迎任何帮助！
谢谢！
答案 0 :(得分：4)
您在谈论什么样的走廊？您的目标是什么样的精确度？
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。如果你只是向前看并且你无法获得许多不同的场景视图，你的重建质量可能会受到影响，但标准方法仍然有效。你确定你使用的程序没有因为图片质量，安排或其他原因而失败吗？
如果你必须自己进行重建，我会从第一开始
1）校准相机
2）不对你的图像进行分类
3）后续图像对中的匹配特征点
4）为每个图像对提取3D点云
然后，您可以相对于彼此定向点云，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Point Cloud Library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）：在此期间我没有做过这方面的工作，但我觉得这个答案缺少一些部分。如果我今天必须回答它，我肯定会建议查看最近看到很多活动的关键字monocular SLAM，尤其是因为带有摄像头的无人机。值得注意的是，LSD-SLAM是开放源代码，可能不会像功能缺失的视图那样容易受到攻击，因为它直接针对强度进行操作。甚至似乎approaches combining inertial/odometry sensors都有图像匹配算法。
祝你好运！答案 1 :(得分：1)
FvD是正确的，因为您的走廊是一个静态物体。您的场景是相同的，并且在多个视图中移动并对象和拍摄图像。您的视图不会被安排为提供对象的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算法相机的内部参数（焦距，主点，镜头失真等）。在没有相关知识的情况下，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，我认为整个算法运行时焦距信息不好，无法解决方向问题。
您可以从视频中提取几帧并查看是否有任何EXIF信息吗？