Question

我正在尝试从几对两个视点计算3D坐标首先，我使用matlab函数estimateFundamentalMatrix()来获取匹配点的F（数字＆gt; 8），即：

F1 =[-0.000000221102386   0.000000127212463  -0.003908602702784
     -0.000000703461004  -0.000000008125894  -0.010618266198273
      0.003811584026121   0.012887141181108   0.999845683961494]

我的相机 - 拍摄这两张照片 - 是用内在矩阵预先校准的：

K = [12636.6659110566, 0, 2541.60550098958
     0, 12643.3249022486, 1952.06628069233
     0, 0, 1]

根据这些信息，我使用以下方法计算了基本矩阵：

E = K'*F*K

用SVD方法，我终于得到了投影变换矩阵：

P1 = K*[ I | 0 ]

和

P2 = K*[ R | t ]

R和t的位置：

R = [ 0.657061402787646 -0.419110137500056  -0.626591577992727
     -0.352566614260743 -0.905543541110692   0.235982367268031
     -0.666308558758964  0.0658603659069099 -0.742761951588233]

t = [-0.940150699101422
      0.320030970080146
      0.117033504470591]

我知道应该有4种可能的解决方案，但是，我的计算3D坐标似乎不正确我用相机拍摄了带有标记点的FLAT物体。我手工匹配点（这意味着原材料不应该存在明显的错误）。但结果却是一个带有一点点条纹的表面我想这可能是由于图片没有处理失真的原因（但实际上我记得我做过）。

我只是想知道这种方法是否能解决3D重建问题吧？特别是当我们已经知道相机内在矩阵时。

JCraft在8月4日编辑：我已经重做了这个过程并得到了一些显示问题的图片，我会写一个详细的问题，然后发布链接。

8月4日由JCraft编辑：我发布了一个新问题：Calibrated camera get matched points for 3D reconstruction, ideal test failed。 @Schorsch非常感谢您帮助格式化我的问题。我将尝试学习如何在SO中做输入，并尝试提高我的语法。谢谢！

Answer 1

如果您只有基本矩阵和内在函数，那么您只能按比例进行重建。那是你的翻译向量t是一些未知的单位。您可以通过多种方式获得实际单位的3D点数：

你需要在世界上有一些参考点，它们之间已知距离。这样，您就可以计算未知单位的坐标，并计算比例因子，将未知单位转换为实际单位。
您需要了解每个相机相对于常见坐标系的外在因素。例如，您可以在场景中的某个位置使用棋盘校准模式，以便检测和计算来自的外部。见example。顺便说一句，如果你知道外在函数，你可以直接计算基本矩阵和相机投影矩阵，而不必匹配点。
您可以进行立体声校准来估算相机之间的R和t，这也可以为您提供基本矩阵和基本矩阵。见example。

Answer 2

扁平物体是关键的表面，不可能从它们中获得目标。尝试在飞机上添加两个（或更多）点（如果仍有兴趣，请参阅Hartley和Zisserman或其他有关此事的文本）

使用校准相机获得匹配点进行3D重建

2 个答案: