多个图像的位置估计

Question

首先，我想声明我对这个领域很新，如果问题有点过于重复，我会道歉。我环顾四周但是徒劳无功。我正在读哈特利和齐瑟曼的书，但这花了我一段时间。

我的问题是我有一个区域的3个视频源，我需要在视频的每一帧找到摄像机位置。我没有关于拍摄视频的摄像机的任何信息（即没有内在函数）。

寻找解决方案我遇到了SfM并尝试了现有的软件，即Bundler＆amp; Vsfm和他们似乎都运作得很好。但是我有几个问题。

1）我的情况下是否真的需要SfM？由于SfM进行稀疏重建并且图像之间的公共点也是输出，是否完全有必要？或者是否有更合适的方法可以做到这一点，因为我真的需要的位置？或者我可以使用不那么复杂的方法吗？

2）从我读过的内容来看，我需要校准相机并找到它的内在函数和外在函数。我怎么能不知道呢？我看过5点问题和其他问题，但是大多数都要求你知道我没有的相机的内在属性，我不能使用像棋盘这样的模式来校准它们，因为它们来自于来自我无法控制的来源。

谢谢你的时间！

Answer 1

根据我的经验，简短的回答是：

1）你不能独立于场景的3D来可靠地估计摄像机的3D姿势。此外，由于你的摄像机是独立移动的，我认为SfM是解决问题的正确方法

2）您需要估算相机的内在函数，以便估算有用（即欧几里德）姿势和场景重建。如果您不能使用标准校准程序，使用棋盘和co，您可以查看autocalibration techniques（另请参阅Hartley＆amp; Zisserman的书中的第19章）。这个校准程序是针对每个摄像机独立完成的，只需要在不同位置的几个图像样本，这在您的情况下似乎是合适的。

Answer 2

您实际上可以在一个大规模的捆绑相邻过程中完成您的任务，直到缩放参数。但即使你不是新手也是一件非常复杂的事情。你不需要三维重建，只需要一个基本的矩阵，可以从2d投影中获得并分解为旋转和平移，但这确实需要Iintrinsic Paramus。要获得它们，你必须至少有三个帧。 最后，Drop Zimmerman预定它会让你发疯。请阅读Simon Princes的“计算机视觉”。